贝叶斯优化是一种用于高效优化昂贵或复杂函数的方法，这些函数的评估代价高昂。
它使用概率模型，通常是高斯过程，来估计未知的目标值，同时量化预测的不确定性。
不确定性量化对于在探索（探索未知区域）和利用（利用已知的优良解）之间取得平衡至关重要。
典型的采集函数如期望改进（EI）或上置信界（UCB）利用这些不确定性，有针对性地选择新的点，这些点要么有潜力，要么有助于减少不确定性。
该方法常用于超参数优化、机器人技术和材料科学中，这些领域的评估过程昂贵或耗时。