知識梯度 Knowledge Gradient
⚠️ 本站內容僅作教育用途，不構成投資建議。投資涉及風險，作出任何投資決定前請諮詢持牌專業人士。
知識梯度 Knowledge Gradient（簡稱 KG）是貝葉斯優化中較進階的採集函數。核心想法：採樣某點之前，先用蒙地卡羅「幻想」模擬該觀測可能出現的結果，推演後驗分佈會如何更新，再計算更新後最佳點價值的期望提升——即這次觀測帶來的「知識」價值。相較預期改善（EI）的短視假設，KG 直接衡量資訊增益，探索傾向更強，在噪聲大或需要全局掌握的問題上常有優勢。代價是計算量大：每個候選點都要做多輪模擬（例如 BoTorch 中以 num_fantasies 控制幻想樣本數），參數設定亦較繁複，小規模問題未必划算。