1. 结果对代理模型的参数很敏感，这些参数通常固定在某个值；这低估了不确定性；否则，您必须完全贝叶斯并边缘化超参数分布，这可能既昂贵又笨拙。
2. 在 2 维或 3 维搜索空间中需要十几个样本才能获得一个好的替代曲面；增加搜索空间的维度需要更多的样本
3. 贝叶斯优化本身依赖于一个优化器来搜索代理曲面，它有自己的成本——这个问题（希望）比原始问题更便宜，但它仍然是一个非凸框约束优化问题（即，难的！）
4. 估计 BO 模型本身有成本

换句话说，BO 试图将函数评估的数量保持在最低限度，并从每次评估中获得最大的“收益”。如果您正在进行破坏性测试，或者只是进行需要大量时间执行的模拟，这一点很重要。但除了最昂贵的情况外，应用纯随机搜索并收工！（或者如果您的问题符合其假设，则为 LIPO。）它可以为您省去许多麻烦，例如优化您的贝叶斯优化程序。