使用引导技术设计实验的模型验证策略及其在生物制药中的应用（US 2018 218）级别：中级
Chris Gotwalt，SAS JMP 统计研究与开发总监
Philip Ramsey，新罕布什尔大学首席讲师；诺斯黑文集团所有者
统计建模有两个不同的目标：解释和预测。 解释性模型的预测效果通常很差（Shmueli，2010）。 设计实验 (DOE) 的分析通常是解释性的，但实验目标是预测。 DOE 是产品和工艺开发的一种最佳实践，可以预测未来的性能。 预测建模需要将数据划分为训练集和验证集，其中验证集用于评估预测模型。 大多数能源部没有足够的观察结果来形成验证集，从而无法直接评估预测性能。 我们演示了一种“平衡自动验证”技术，使用原始数据创建该数据的两个副本，一个是训练集，另一个是验证集。 这些集合的行权重不同。 权重是狄利克雷分布且“平衡”的；对训练数据贡献较大的观察结果对验证集的贡献较小（反之亦然）。 该方法只需要复制数据并创建权重公式列。 该技术是通用的，允许将预测建模技术应用于实验室和制造研究中常见的较小数据集。 使用两个生物制药工艺开发案例研究进行演示。 这两种情况都有大量的验证集和明确的筛选设计相结合。 JMP 用于演示分析。
视频预测建模爆发回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用谢谢克里斯——那成功了！
帕蒂
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用我添加了 PowerPoint，然后还添加了一个包含 PowerPoint 和 termplat 的 .zip 文件，您可以使用它自己应用该方法。如果您在获取文件时遇到任何问题，请告诉我，我会尽力解决。
回复：使用引导技术设计实验的模型验证策略及其在生物制药中的应用嗨，克里斯和菲尔 - 很棒的谈话 - 我可以去哪里获取你们演示文稿中显示的脚本的副本？ 谢谢帕蒂
