스피커
|
성적 증명서
|
| 빌 월리 |
안녕하세요, JMP 시스템 엔지니어 인 Bill Worley입니다. 저는 거의 7 년 동안 JMP와 함께했습니다. 오늘 우리는 |
| |
분석을 위해 분광 데이터를 전처리합니다. JMP 내에서 스펙트럼 데이터를 분석하는 것에 대해 이미 이야기 했으므로 이것을 전편이라고 부르지 만, 전처리는 중요한 첫 단계이며 그 이유를 보여줄 것입니다. 그것에 들어 가자. |
| |
그래서 여기에서 초록에 대해 이야기 해 봅시다. 분광 데이터를 사전 처리하는 것은 분석을 위해 데이터, 모든 데이터를 준비하는 데있어 정말 중요한 첫 번째 단계입니다. |
| |
우리는 ...에 대해 이야기 할 수 있습니다. 데모를 검토하고 JMP의 표준 정규 변량 및 Savitzky-Golay 평활화 도구를 시연 할 것입니다. 이들은 전처리 도구입니다. |
| |
화학 세계, 화학 산업 및 분광학을 수행하고 분광 데이터를 분석하는 모든 사람. 그들은 알 것입니다 ... |
| |
Savitzky-Golay의 표준 일반 변량과 사용 방법에 대해 자세히 알아보십시오. 따라서 이는 원시 분광 데이터에서 예측 모델을 구축하는 데 도움이되는 중요한 첫 번째 단계입니다. |
| |
따라서 약간의 배경 스펙트럼 데이터가 있으면 매우 지저분해질 수 있습니다. 사전 처리는 이러한 예측 모델 또는 모든 예측 모델을 구축하기 전에 원활하게 필터링하고 기준을 맞추는 데 사용됩니다. Savitzky-Golay 필터링 및 표준 정규 변량 |
| |
JMP에서 사용되는 도구입니다. Savitzky-Golay는 Ian Cox가 개발 한 추가 기능이므로 ... Ian에게 감사드립니다. 표준 정규 변량은 A가 필요합니다 ... |
| |
어떤 종류의 공식을 JMP에 구축하는 방법을 보여 드리겠습니다. 마지막 줄은 ... 그래프 빌더는 분광 데이터를 시각화하는 데 매우 중요한 도구이며 데이터를 평활화하기위한 대체 플랫폼으로 사용할 수 있습니다. |
| |
그러나 다시 이야기를 진행하면서 그것에 대해 설명하겠습니다. |
| |
우리가 이것을하는 이유. 어떤 종류의 사전 처리를 원하는 이유는 무엇입니까? 글쎄, 당신이 그것을 보시면, 첫째, 바로 거기에있는 맨 위 스펙트럼 또는 스펙트럼 그룹, 그것은 100 스펙트럼의 원시 데이터입니다. |
| |
100 % 전분 또는 100 % 글루텐의 혼합물입니다. 당신은 약간의 차이점을 볼 수 있습니다. 당신은 단지 ... 무엇이 무엇인지 말할 수 없습니다. 잘, |
| |
거기에서 우리는 Savitzky-Golay 평활화 및 필터링을 수행 한 다음 1 차 도함수를 가져와 훨씬 더 깨끗한 스펙트럼 세트를 제공합니다. |
| |
멋지게 그룹화되어 있지만 여전히 원하는 위치에 완전히 일치하지는 않습니다. 그리고 마지막으로 표준 정규 변량 평활화를 수행하면 스펙트럼이 훨씬 깨끗 해지고 피크가 어디에 있는지 훨씬 쉽게 확인할 수 있습니다. |
| |
그리고 스펙트럼의 다른 그룹에서 차이점이 어디에 있는지 볼 수 있습니다. 그래서 다시이 빨간색 선에서 회색 선에서 파란색 선까지 각각에 대해 20 개의 스펙트럼이 있으며 확실히 훨씬 더 깨끗합니다. 서로 다른 혼합물의 피크가 어디에 있는지 확인할 수 있습니다. |
| |
좋습니다. Savitzky-Golay 필터링을 사용하면 평활화를 위해 스펙트럼 데이터에 제공되는 디지털 필터입니다. 그것에 대한 좋은 점은 전체 스펙트럼 자체, 피크의 위치 및 그와 같은 모든 것을 변경하지 않는다는 것입니다. 그래서 좋은 도구입니다. |
| |
평활화를 위해 컨볼 루션을 사용하며 선형 최소 제곱 공식을 기반으로합니다. |
| |
1 차 및 2 차 미분도 ... 부드러운 신호에서이를 길들이는 것도 가능합니다. |
| |
그리고 스펙트럼의 양쪽 끝에서 중요하지 않은 데이터를 필터링 할 수도 있습니다. 처음에 무언가가있는 상황에 빠지면 중요하지 않고 앞으로 나아가면서 똑같은 일을 할 때만 엉망이 될 것입니다. |
| |
Graph Builder를 사용하면 Savitzky-Golay로는 수행 할 수없는 내부 평활화 또는 내부 필터링을 수행 할 수 있습니다. |
| |
추가 기능. 따라서 그래프 빌더와 함께 로컬 데이터 필터를 사용하고 관심 영역을 추가로 정의 할 수 있습니다. |
| |
그래서, |
| |
계속하자. Savitzky-Golay |
| |
분석은 우리가 ... 우리가 한 것입니다. 우리가 그 분석을한다면 이것은 스펙트럼의 그룹입니다. 그래서 우리는 부드럽습니다. |
| |
1 차 도함수는 이제 약간 늘어납니다. 그리고 거기에 0 선을 넣습니다. 그리고 1 차 도함수를 사용하면 |
| |
제로 포인트 또는 제로 포인트의 교차점을 기반으로 피크가 어디에 있는지 알려주십시오. 그러면 주어진 피크가 어디에 있는지 알 수 있습니다. |
| |
스펙트럼 그룹, 스펙트럼 세트. 그리고 2 차 미분에 대해서는 조금 다릅니다. 기준선을 평평하게하고 겹치는 피크가있는 경우 |
| |
더 발전하거나 그것들이 겹치는 곳을 더 잘 볼 수 있고, 당신은 겹치는 피크와 그들이있을 수있는 위치를 나타내는 포지티브에서 네거티브로 이동합니다. 좋아요, 그 도구를 사용하는 방법입니다. |
| |
표준 정규 변량 자체는 다시 개별 스펙트럼에 대한 데이터의 표준화입니다. 단독으로 사용하거나 추가 된 스무딩 도구로 사용할 수 있으며 오늘날 추가 도구로 사용하고 있습니다. |
| |
사용 ... |
| |
베이스 라인 시프트 보정 및 전역 강도 변화 보정에 사용됩니다. 좋은 점은 스펙트럼의 모양을 변경하지 않고베이스 라인 변화를 제거한다는 것입니다. |
| |
그리고 데이터, 이것에 관한 것은 우리가 그것을 할 때 이것을 보게 될 것입니다. 데이터가 쌓여 야한다는 것입니다. 좋아요. |
| |
좋아요, 이것은 단지 공식 중 하나 일뿐입니다. |
| |
표준 정규 변량 공식을 설정하는 데 사용할 수 있으며 그 방법을 보여 드리겠습니다. 몇 가지 다른 방법이 있지만 약간 관련이 있으므로 그 방법을 보여 드리겠습니다. 여기서 중요한 부분은 |
| |
여기에 표준화 된 컬럼에 대한 표준 공식이 있지만 변수 기준으로 사용하고 그것이 스펙트럼 자체인지 확인해야합니다. 그래서 |
| |
그것을 추가하는 데 약간의 트릭이 있습니다. |
| |
맞습니다. 원시 데이터에 대해서만 표준 정규 변량을했다면 이것이 어떻게 생겼을까 요? |
| |
우리는 그룹화를 볼 수 있고, 어떤 일이 일어나는지 알 수 있습니다. 그러나 우리가 1 차 도함수를 수행 한 후에 표준 정규 변량을 수행하면 훨씬 더 깨끗합니다. 스펙트럼이 어디에 있는지, 어디에서 겹치는 지, 아시다시피, |
| |
약간의 작업을해야 할 수도 있습니다. 이차 미분이 작용하는 곳, 여기에 겹치는 피크가있는 곳, 맞습니다. |
| |
여기로 돌아올 수도 있습니다. 그래서 |
| |
그것이 당신이보고있는 것에 대한 더 나은 비전을 구축하는 데 정말로 도움이되는 곳입니다. 그리고 그 제로 선은 다시 말하지만, 여러분이 이것을 통과 할 때 제로 선은 피크의 표시이며, 피크는 1 차 도함수를 사용합니다. |
| |
좋습니다. 이제 데모를 시작하겠습니다. |
| |
좋아, 나가. |
| |
그럼 먼저 데이터 시각화에 대해 이야기 해 봅시다 ... 먼저 데이터입니다. 새로운 데이터 세트를 얻을 때마다 가장 좋은 방법은 데이터를 가져와 시각화하는 것입니다. 알다시피, 그 데이터를 플로팅하고, 당신이 상대하는 것이 무엇인지 더 잘 알 수 있습니다. 그리고 여기 아래로 내려 가서 |
| |
우리의 글루텐 원시 데이터. 맞습니다. 데이터를 가져 왔습니다. 이제 우리는 그것에 대해 약간의 시각화를해야합니다. 그리고 그래프 빌더로 가자. |
| |
옳고 우리가 할 첫 번째 일은 |
| |
이것을 조금 위로 이동하고 원시 데이터로 이동합니다. 이제 우리는 그것을 끌어 올 것입니다. |
| |
그리고 이것은 포인트 데이터입니다. 그래서 이것은 우리가 스무딩을하기 전에 다른 작업을하기 전에 보았던 것입니다. 그것은 그 라인 데이터 였고, 내가 그것을 변경할 수 있다면 |
| |
스펙트럼에 대한 선 데이터를 제공하는 평행 플롯입니다. 다시 말하지만, 우리는 거기에서 무슨 일이 일어나고 있는지 많은 것을 볼 수 없지만 사물이 어디에서 떨어지는 지 더 잘 알 수 있습니다. 내가 만들 수있어 ... |
| |
우리는 여기 아래에서 뭔가를 할 수 있습니다. 필요한 경우 ... 필요한 경우 다른 데이터와 함께이 병렬 병합을 볼 수 있습니다. 그러나 그것은 아무것도 바꾸지 않았습니다. 다른 데이터의 일부를 볼 수있는 것처럼 함께 가져 오지 않았으므로 닫겠습니다. |
| |
맞습니다. 데이터를 시각화 할 때 사용하고 싶은 다른 도구 중 일부는 모델 기반 다변량 관리도입니다. 먼저 해보겠습니다. |
| |
따라서 분석, 품질 및 처리, 모델 기반 다변량 관리도를 살펴 보겠습니다. |
| |
이것을 위로 이동하십시오. |
| |
맞습니다. 저는 과거 데이터가 없어서 좋아요라고 말합니다. 이를 통해 우리가 할 수있는 것은 데이터를보고 이렇게 말하는 것입니다. |
| |
스펙트럼 그룹을 볼 수 있습니다. 그리고 대부분의 경우, 이것은 ...이 점을 지적하고 싶습니다. |
| |
우리는 우리가보고있는 대부분의 변동을 설명 할 수 있습니다. 적어도 두 개의 주성분이있는 변동의 85 %까지 설명 할 수 있습니다. 그리고 그것은 이것을 사용하고있는 ??? T 제곱 |
| |
여기에있는 정보입니다. 그리고 이것은 또한 우리에게 주어진 스펙트럼에 대해 통제 할 수없는 곳을 알려줍니다. 나머지 그룹과 다른 이유는 무엇입니까? |
| |
이 지점 중 하나에 마우스를 가져 가면 바로 빼낼 수 있습니다. 제어를 벗어난 지점 중 하나 위에 마우스를 올려 놓으면 다시 당겨서 |
| |
그리고 이제 우리는 와우, 그것들이 정말로 다르다는 것을 알 수 있습니다. 우리가 알아야 할이 스펙트럼에는 뭔가 다른 것이 있습니다. 이 경우 우리는 이미 더 잘 이해하고 있습니다. 왜냐하면 그것들이 혼합물이라는 것을 알고 있기 때문입니다. 그러나 우리는 그것을보고 싶습니다. |
| |
그리고 이것도 빼 봅시다. 좋습니다. 다시 한 번 더하겠습니다. 이 세 가지 스펙트럼 사이에는 매우 다양한 혼합물이 있습니다. 그래서 우리는 세 그룹 중 세 개가 있고 다른 두 그룹도 거기에 넣을 수 있습니다. 하지만 지금은 그대로 두겠습니다. |
| |
자, 이것이 모델 기반 다변량 관리도입니다. 제가 사용하고 싶은 다른 도구는 ... 다변량 방법에 있으며 다차원 스케일링이라고합니다. |
| |
제가 이것을 사용하는 이유는 특히 이와 같은 시스템에서 |
| |
우리가 가지고 있다는 것입니다 |
| |
우리의 원시 데이터 다시, 맞습니다. 그리고 우리는 ... |
| |
먼저 설정해 드리겠습니다. |
| |
여기에 두 가지 차원이 있습니다. 이것은 이전에 본 것을 기반으로합니다.하지만 제가 사용하는 이유는 데이터 자체의 일부 그룹화를 수행하거나 시각화 할 수 있기 때문입니다. 좋구나, |
| |
그걸하자. 이 문제가 발생하는 데 1 초가 걸립니다. |
| |
그리고 우리는 5 개의 별개의 스펙트럼 그룹이 있다는 것을 알 수 있습니다. 그렇기 때문에 각각의 스펙트럼은 전분과 글루텐의 혼합물 그룹과 관련이 있습니다. 여기에서이 그룹을 강조하면 그게 첫 번째 그룹입니다. 100 % 전분입니다. |
| |
중간 그룹은 50/50 블렌드이고 여기 아래 그룹은 100 % 글루텐입니다. 맞습니다. 데이터 테이블의 데이터를 다시 강조 표시합니다. 여기에 표시된 것처럼 |
| |
상호 작용도 좋습니다. 이것이 또한 우리에게 보여준 것은 우리가 이미 꽤 좋은 일을하고 있다는 것입니다 ... 이미 다른 그룹이 무엇인지 알아낼 수 있다는 것입니다. Shepard Diagram을 보면 |
| |
R 제곱은 1이고 |
| |
직선, 좋아. 다시 한 번,이를 시각화하는 좋은 방법입니다. 이것으로 할 수있는 일이 더 많지만, 나중에는 그대로 두겠습니다. |
| |
좋아, 지금까지 |
| |
데이터를 가져 와서 시각화했습니다. 이제 몇 가지 전처리를해야합니다. |
| |
그리고 우리가하려고하는 것은, 여기에 약간의 자리 표시자가 있습니다. 그래서 우리는 약간의 Savitzky-Golay 분석을 할 것입니다. 그리고 우리는 약간의 표준 정규 변종을 할 것입니다. 적어도 처음에는 미분, 좋아요. |
| |
자, 이걸 좀 정리하겠습니다. |
| |
좋아요, 닫으세요. |
| |
그리고 다시 원시 데이터를 가져 와서 Savitzky-Golay 추가 기능을 사용하여 분석을 수행합니다. 그래서 그것은 나를 위해 추가 기능 아래에 있습니다. |
| |
그리고 이것은 무료 추가 기능이므로 얻을 수 있고 우리가 당신을 위해 거기에 배치 할 것입니다. 다시 한 번, 원시 데이터를 가져 와서 |
| |
맞습니다. Savitzky-Golay가 무엇인지 자세히 알고 싶다면 여기에 Wikipedia 링크가 있으므로 사용할 수 있습니다. 그러나 우리는 이것을 사용하여 모든 파장에서 데이터를 평활화하는 데 도움을 줄 것입니다. 그리고 나서 1 차와 2 차 미분을 취합니다. 그리고 저는 말합니다. |
| |
그리고 여기에 부드러운 데이터가 있습니다. |
| |
한 가지는 필요에 따라 조정할 수 있지만 우리가 원하는 것은 이걸 가져가는 것입니다. |
| |
그 창을 조금 넓혀보세요. |
| |
Alrigh. |
| |
그렇게하세요. |
| |
여기에서 다항식, 다항식 맞춤 순서를 가지고 놀 수 있습니다. |
| |
이 경우에는 8 차 다항식으로가는 데 큰 차이가 없습니다. 두 번째 ... 두 번째 주문은 괜찮습니다. 좋습니다. 그러면 1 차 도함수에서 데이터를 가져올 수 있습니다. |
| |
부드러운 데이터를 저장한다고 말하면 데이터 테이블에 다시 저장할 수 있습니다. 그리고 저는 이미 그렇게했습니다. 그래서 여러분에게 그 과정을 보여줄 필요는 없습니다.하지만 데이터가 거기에서 데이터 테이블로 다시 옮겨진다는 것만 알아 두세요. 좋아요. |
| |
그것을 종료합시다. |
| |
좋습니다. 이제 시작해도 좋습니다.하지만 이제 마지막 단계를 수행해야합니다. 그러니 보자 ... 우리가 가기 전에 돌아가서 |
| |
우리의 Savitzky-Golay 데이터. 그래서 이것은 1 차 도함수 데이터입니다. 나는 이것을 다시보고 싶다. |
| |
그래프 빌더, 맞습니다. 그리고 저것은 ... 그다지 유망 해 보이지는 않지만 병렬 플롯을 해봅시다. |
| |
조금 나아졌습니다. 정리 한 다음 이렇게 결합 된 확장 병렬 병합을 수행해 보겠습니다. 그러면 데이터가 훨씬 더 많이 |
| |
비주얼 ... 우리가 이전보다 더 나은 비주얼, 맞습니다. 우리는 그것을 가지고 놀 수 있습니다. 그리고 다시 여기에 우리 자신의 제로 라인을 추가하여 봉우리가 교차하는 위치를 더 잘 이해할 수 있습니다. |
| |
그러나 그것은 1 차 파생 데이터입니다. 그룹을 볼 수는 있지만 더 나은 아이디어를 얻기 위해 정말 원하는 것처럼 완전히 분리되어 있지는 않습니다. |
| |
그래서 우리는 거기에 있습니다. 해당 데이터는 데이터 테이블로 돌아갑니다. 저는 그것을 닫을 것입니다. 그리고 제가 말한 것을 기억하세요. 표준 정규 변량을하기 위해서는 데이터를 쌓아야합니다. 그래서 우리는 그렇게해야합니다. 먼저 여기에서 일부 데이터의 하위 집합을 만들어 보겠습니다. |
| |
좋아, 그래서 |
| |
이 모든 것의 하위 집합입니다. |
| |
테이블. 부분 집합. |
| |
모든 행. 열을 선택하고 괜찮다고 말합니다. 좋아, 이제 우리는 거기에 갈 수 있습니다. |
| |
권리. |
| |
글쎄, 적어도 우리는 ... 우리는 분리 된 데이터를 가지고 있습니다. 맞습니다. 이제 우리는 데이터를 쌓아야합니다. 그리고 이것은 우리가 공식에 필요한 모든 데이터에 필터를 넣을 수있게하는 것입니다. |
| |
그래서 테이블 아래. 스택. |
| |
그리고 이것이 우리가 쌓는 기둥입니다. |
| |
오른쪽, 그리고 행별로 스택. |
| |
유지하려는 열을 선택하겠습니다. |
| |
그 위에. 그리고 |
| |
죄송합니다 ...이 설정을 얻기 위해 클릭하는 중이지만 아이디어를 얻을 수 있습니다. 나는 사람들이 거기에 도착하는 데 필요한 것이 무엇인지 알 수 있도록 잠시 남겨 둘 것입니다. 그래서 저는 이것을 저장했습니다. |
| |
알다시피, 지금 제목없는 12를보세요. 이것이 우리의 누적 데이터입니다. 이제 표준 정규 변량을 수행 할 수 있습니다. 빠른 방법은 새 열을 만드는 것입니다. |
| |
마우스 오른쪽 버튼으로 클릭. |
| |
여기에서 공식 편집기에서이 공식을 작성해야합니다. 이 통계 도구를 사용하겠습니다. |
| |
컬럼 표준화, 맞습니다. 여기에 마우스 커서를 올려 놓으면 이걸로 무엇을하는지 알 수 있습니다. 표준화 란 무엇을 의미합니까? 그래서 우리는 ... |
| |
평균은 0이고 표준 편차는 1입니다. 그래서 그것이 우리가 데이터와 주어진 모든 스펙트럼에 대해 얻으려고하는 것입니다. 그래서 우리는 데이터를 |
| |
여기에서 제가이 이변 수를 추가해야한다고 말한 것을 기억하세요.이 경우에는 스펙트럼이됩니다. 괜찮다고 말하겠습니다. |
| |
좋습니다. 그러면 데이터 세트가 제공됩니다. 이제이 작업을 수행하는 더 간단한 방법이 있습니다. 제 생각에는 더 간단한 방법이 있습니다.하지만 그럴 수도 있습니다. |
| |
때로는 시간이 조금 더 걸립니다. 하지만 여기에있는 스펙트럼을 마우스 오른쪽 버튼으로 클릭하고 다시 반복하면 이변 수가 필요하기 때문에이 작업을 수행한다는 것을 기억하십시오. 그래서 저는 새로운 열 정보로 가서 그 그룹을 만들 것입니다. |
| |
데이터 열을 가져 와서 마우스 오른쪽 버튼으로 클릭하고 새 수식 열을 생성합니다. |
| |
우리는 분산으로 넘어 가서 표준화 된 것을 기억할 것입니다. 우리는 ... 그래서 우리는 그것을 원합니다 |
| |
평균 0; 표준 편차 1입니다. 그것을 선택하면 새 열이 작성됩니다. 이것에 대한 좋은 점은 데이터가 일치한다는 것입니다. 그래서 제가 제대로 된 것에 대해 안도의 한숨을 쉴 수 있습니다. |
| |
맞아요. 이제 여기에서 필요합니다. 해당 열을 클릭하고 |
| |
이 데이터를 가져 와서 분할 한 다음 일반 데이터 테이블이나 초기 데이터 테이블에 다시 넣습니다. 이것으로 보여 드리고 싶은 한 가지는 |
| |
데이터가 쌓이면 다른 시각화도 할 수 있습니다. 그래서 그래프 빌더로 돌아 가면이 데이터를 |
| |
로 |
| |
Y, 그런 다음 레이블을 당길 것입니다. 이것은 모든 변형이 어디에 있는지 확인하는 멋진 방법입니다. 그래서 이것들은 모두 |
| |
아시다시피, 박스 플롯은 데이터의 변화를 볼 수있는 위치에 대한 것입니다. 그래서 무슨 일이 일어나고 있는지 시각화 할 수있는 정말 좋은 방법입니다. |
| |
그래프 빌더를 사용하는 또 다른 강력한 방법이며이 경우 데이터를 쌓아야합니다. 이제 할 수있는 일은 |
| |
포인트 데이터를 가져 오면 그 데이터를 제거하고 거기에 포인트 데이터를 넣은 다음 스무딩을 할 수 있습니다. 이제는 개인이 매끄 럽기 때문에 모든 데이터에 대해 평균입니다. 우리가하고 싶은 것은 |
| |
Savitzky-Golay 스무딩, 그래서 당겨야합니다 |
| |
오버레이입니다. 이것이 모든 데이터입니다. 이제보기가 어려울 것입니다.하지만 저는 이것을 할 것입니다. 여러분이 이것을 볼 수 있기를 바랍니다. 더 부드럽게 아래를 선택하면 Savitzky-Golay로 전환 할 것입니다. |
| |
맞아요, 제 생각에 .. 이제 그 선에 맞는 것을 보셨 으면 좋겠습니다. |
| |
그것은 Savitzky-Golay를 사용하여 데이터를 평활화하는 또 다른 방법입니다. 그리고 이것을 2 차로 변경할 수 있습니다. 여기에서 로컬 트리밍을 할 수 있습니다. 그리고 궁극적으로 그것을 데이터 테이블에 다시 저장할 수 있습니다. |
| |
지금은 그대로 두겠습니다. |
| |
기억하세요.이 데이터를 분할하여 데이터 테이블에 다시 저장해야했습니다. 분할 단계를 건너 뛰고 데이터로 돌아가겠습니다. 원래 데이터 테이블입니다. |
| |
나는 그게 필요하지 않습니다. |
| |
바로 그때 내가 |
| |
Graph Builder 아래에서 데이터를 다시 확인하고 |
| |
이 표준 정규 변량 그룹을 취할 수 있습니다. |
| |
그것을 떨어 뜨려 라. 다시 말하지만, 그다지 유망 해 보이지는 않지만 병렬 플롯을 수행 한 다음 마우스 오른쪽 버튼을 클릭합니다. |
| |
그 저울을 결합하십시오. |
| |
이것이 기본적으로 완성 된 스무딩입니다. 그래서 우리는 모든 것을 설정했습니다. 다시 여기에 0 선을 추가 할 수 있습니다. |
| |
필요한 경우. 계속해서 추가하겠습니다. |
| |
0을 선택하면 일종의 녹색으로 만들 것입니다. |
| |
거기에 추가하세요. |
| |
Okay라고 말한 다음 다시 이것을 사용하여 피크가 어디에 있는지 파악할 수 있습니다. |
| |
0 점을 넘었을 때의 최고점을 기준으로합니다. |
| |
그게 다야. 우리로 돌아 가자 |
| |
파워 포인트. |
| |
결론적으로, 사전 처리 ... 우리는 데이터를 사전 처리해야했습니다 ... 데이터를 더 깨끗하게 처리하고, 작업하기 훨씬 더 쉽게 얻기 위해 데이터를 사전 처리해야했습니다. |
| |
JMP와 함께 ... |
| |
JMP가 만들고 있습니다 ... |
| |
우리는이 과정을 훨씬 더 쉽게 만들기 위해 노력하고 있습니다. JMP 16의 사전 처리는 추가 기능 및 기본 제공 기능으로 지원됩니다. |
| |
우리는 JMP 17에서 사전 처리를 기대하고 있습니다. 기능 데이터 탐색기에서 훨씬 더 정교한 스펙트럼 및 기준선 평활화 옵션과 함께 일부 피크 감지 및 선택이 제공 될 것입니다. |
| |
스펙트럼 데이터 분석을 위해 2020 년에 디스커버리를 위해 한 이야기가있었습니다. |
| |
뮌헨. 그것은 가상의 대화 였지만 JMP를 사용하여 스펙트럼 데이터를 분석하는 방법에 대한 좋은 아이디어를 제공 할 것입니다. |
| |
그리고 그것에 대해 감사하다고 말하고 바라건대 여러분 모두가 발견했으면합니다. 알려주세요. |
