Bayes 优化

发现可优化响应的因子设置

“Bayes 优化”平台仅在 JMP Pro 中提供。

“Bayes 优化”平台采用迭代学习方法来优化一个或多个响应。该方法为收集更多数据以及何时停止收集数据提供了指导。该平台有助于减少许多类型的工艺和产品开发所需的时间和资源。

对于每个响应，该平台都会拟合现有的训练数据集的高斯过程模型。这些数据可以来自历史数据或初始的一组实验。然后，使用高斯过程模型的预测结果以及预测不确定性量度和响应目标，可以创建一组采集函数。使用空间填充设计生成一组新的因子组合，称为候选集。通过手动或自动方法，从候选集中选择一组新的因子组合并将其添加到原始数据中。这组数据被称为一个试验批次。在收集完这批试验的新数据后，您将重新启动 Bayes 优化平台以更新模型，并查找一批新的候选试验。该过程可以重复进行，直到达到响应目标并发现最优的因子设置组合。

图 18.1 “Bayes 优化”报表 

目录

Bayes 优化示例

启动 Bayes 优化平台

数据格式

“Bayes 优化”报表

“批次选择”选项卡

Bayes 优化批次定制器

候选集

当前批次

“Bayes 优化”平台选项

“Bayes 优化模型汇总”报表选项

“Bayes 优化批次定制器”报表选项

“候选集”报表选项

响应的高斯过程模型选项

具有因子约束的“Bayes 优化”平台的更多示例