การเพิ่มประสิทธิภาพแบบเบย์ (หรือที่เรียกว่าการเพิ่มประสิทธิภาพกล่องดำ) เป็นเทคนิคการปรับให้เหมาะสมที่ใช้การอนุมานแบบเบย์เพื่อค้นหาค่าที่เหมาะสมที่สุดของฟังก์ชันที่ไม่รู้จัก เป็นอัลกอริธึมการเพิ่มประสิทธิภาพประเภทหนึ่งที่ได้รับความนิยมมากขึ้นในการเรียนรู้ของเครื่องและปัญญาประดิษฐ์
ในการเพิ่มประสิทธิภาพแบบเบย์ กระบวนการเพิ่มประสิทธิภาพจะดำเนินการโดยการเลือกข้อมูลหลายชุดเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด โดยมุ่งเน้นไปที่กระบวนการโดยรวมของการสำรวจและการแสวงหาผลประโยชน์ โดยมีเป้าหมายในการค้นหาแนวทางแก้ไขที่ดีที่สุดเท่าที่จะเป็นไปได้ตามเกณฑ์ที่กำหนดไว้ล่วงหน้า
การเพิ่มประสิทธิภาพแบบเบย์ทำงานโดยการสร้างแบบจำลองของฟังก์ชันที่ไม่รู้จัก ซึ่งจากนั้นจะใช้ในการตัดสินใจโดยมีข้อมูลครบถ้วนเกี่ยวกับค่าพารามิเตอร์ที่จะทดสอบ โมเดลนี้ได้รับการอัปเดตหลังการวนซ้ำแต่ละครั้ง และให้ข้อมูลเพิ่มเติม ซึ่งช่วยให้คาดการณ์ค่าพารามิเตอร์ที่ดีที่สุดได้แม่นยำยิ่งขึ้น การปรับให้เหมาะสมประเภทนี้สามารถนำไปใช้กับปัญหาเกี่ยวกับพื้นที่อินพุตและเอาต์พุตแบบต่อเนื่องหรือแบบไบนารี และพบการใช้งานที่ยอดเยี่ยมในการปรับแต่งไฮเปอร์พารามิเตอร์
การเพิ่มประสิทธิภาพแบบเบย์เหมาะอย่างยิ่งกับปัญหาที่ไม่สามารถแก้ไขได้ง่ายด้วยเทคนิคการปรับให้เหมาะสมตามการไล่ระดับสี นอกจากนี้ ยังสามารถลดจำนวนการวนซ้ำที่จำเป็นเพื่อให้ได้โซลูชันได้อย่างมีประสิทธิภาพ ซึ่งมักจะนำไปสู่ค่าที่เหมาะสมที่สุดในการวนซ้ำน้อยกว่าวิธีการแบบคลาสสิกมาก
ขั้นตอนการปรับให้เหมาะสมแบบเบย์เป็นหนึ่งในเครื่องมือที่ทรงพลังที่สุดสำหรับการปรับระบบที่ซับซ้อนให้เหมาะสม และสามารถใช้กับงานที่หลากหลาย เช่น การเพิ่มประสิทธิภาพการออกแบบ การสร้างแบบจำลองเชิงคาดการณ์ และการควบคุมอัจฉริยะ นอกจากนี้ยังสามารถปรับให้เข้ากับสถานการณ์ต่างๆ ได้อย่างง่ายดาย เนื่องจากต้องใช้ข้อมูลล่วงหน้าเพียงเล็กน้อยเกี่ยวกับระบบที่กำลังปรับให้เหมาะสม
