349268_ko-KR

liliconcom

분석을 위한 분광 데이터 전처리(2021-EU-30MP-787)

수준: 중급

 

Bill Worley, JMP 수석 글로벌 지원 엔지니어, SAS

 

분광학 데이터 전처리는 모든 데이터 분석 도구에서 분석할 데이터를 준비하는 중요한 첫 번째 단계입니다. JMP를 사용하여 SNV(표준 정규 변량) 및 SG(Savitsky-Golay) 평활화를 검토하고 시연해 보겠습니다. 이러한 전처리 도구는 업계 전반에 걸쳐 상당히 표준적이며 원시 분광 데이터를 사용하여 예측 모델을 구축하는 첫 번째 단계입니다. SG 추가 기능을 공유해 주신 Ian Cox에게 특별히 감사드립니다.

 

 

자동 생성된 스크립트...

 

스피커	성적 증명서
빌 월리	안녕하세요 여러분, JMP 시스템 엔지니어 Bill Worley입니다. 저는 JMP에서 거의 7년 동안 근무했습니다. 오늘 우리는
	분석을 위해 분광 데이터를 전처리합니다. JMP 내에서 스펙트럼 데이터 분석에 대해 이미 설명했기 때문에 이것을 전편이라고 부르는 것입니다. 하지만 전처리는 중요한 첫 번째 단계이며 그 이유를 알려드리겠습니다. 그것에 대해 살펴 보겠습니다.
	그럼 여기서는 추상적인 것에 대해 조금 이야기해 보겠습니다. 분광학 데이터를 전처리하는 것은 실제로 분석을 위해 데이터를 준비하는 데 있어 중요한 첫 번째 단계입니다.
	우리는 데모를 검토하고 표준 정규 변량과 JMP의 Savitzky-Golay 평활화 도구에 대해 이야기해 보겠습니다. 전처리 도구는 전 세계적으로 상당히 표준적입니다.
	화학 세계, 화학 산업, 분광학을 수행하고 분광 데이터를 분석하는 모든 사람이 포함됩니다. 그 사람들도 알텐데...
	표준 법선에 대한 자세한 내용은 Savitzky-Golay의 변화와 사용 방법에 대해 알아보세요. 따라서 이는 원시 분광 데이터로부터 예측 모델을 구축하는 데 도움이 되는 중요한 첫 번째 단계입니다.
	따라서 약간의 배경 스펙트럼 데이터가 있으면 매우 지저분해질 수 있습니다. 전처리는 이러한 예측 모델이나 구축하려는 예측 모델을 구축하기 전에 원활하게 필터링하고 기준선을 수정하는 데 사용됩니다. Savitzky-Golay 필터링 및 표준 정규 변량
	JMP에서 사용되는 도구입니다. Savitzky-Golay는 Ian Cox가 개발한 추가 기능입니다. Ian에게 감사드립니다. 표준 정규 변량에는 다음이 필요합니다.
	일종의 공식을 입력하고 이를 JMP에 구축하는 방법을 보여 드리겠습니다. 그리고 마지막 줄은... Graph Builder는 분광 데이터를 시각화하는 데 매우 유용한 도구이며 데이터를 평활화하기 위한 대체 플랫폼으로 사용할 수 있다는 것입니다.
	그러나 우리는 대화를 더 깊이 진행하면서 이에 대해 다시 다루겠습니다.
	우리가 이것을 하는 이유. 왜 어떤 종류의 전처리를 하려고 합니까? 글쎄요, 먼저 바로 저기 있는 상위 스펙트럼 또는 스펙트럼 그룹을 보면 100개 스펙트럼의 원시 데이터이고 두 스펙트럼 사이에 어떤 차이도 알 수 없습니다.
	아시다시피 100% 전분 또는 100% 글루텐의 혼합물입니다. 당신은 약간의 차이점을 볼 수 있지만, 당신은...당신은 무엇이 무엇인지 말할 수 없습니다. 잘,
	여기서 우리가 하는 일은 Savitzky-Golay 평활화 및 필터링을 수행한 다음 첫 번째 도함수를 취하여 훨씬 더 깨끗한 스펙트럼 세트를 제공하는 것입니다.
	잘 그룹화되어 있지만 여전히 원하는 위치에 완전히 있지는 않습니다. 그리고 마지막으로 표준 정규 변량 평활화를 수행한 후에는 스펙트럼이 훨씬 더 깨끗해지고 피크 위치를 훨씬 쉽게 확인할 수 있습니다.
	그리고 스펙트럼의 다양한 그룹화에서 차이점이 어디에 있는지 확인할 수 있습니다. 다시 말해 빨간색 선에서 회색 선, 파란색 선까지 각각에 대해 20개의 스펙트럼이 있으며 확실히 훨씬 더 깨끗합니다. 다양한 혼합물의 피크가 어디에 있는지 확인할 수 있습니다.
	좋아요, Savitzky-Golay 필터링을 사용하면 평활화를 위해 스펙트럼 데이터에 제공되는 디지털 필터입니다. 좋은 점은 전체 스펙트럼 자체, 피크 위치 및 이와 유사한 모든 것을 변경하지 않는다는 것입니다. 그래서 그것은 좋은 도구입니다.
	스무딩을 위해 컨볼루션을 사용하며 이는 선형 최소 제곱 공식을 기반으로 합니다.
	1차 및 2차 도함수도... 부드러운 신호에서 이를 길들일 수도 있습니다.
	스펙트럼의 양쪽 끝에 있는 중요하지 않은 데이터도 필터링할 수 있습니다. 아시다시피 처음에 뭔가가 있는 상황에 빠지면 그것은 중요하지 않으며 앞으로 나아갈수록 당신을 망칠 뿐이고 반대쪽에서도 똑같은 일이 일어날 것입니다.
	그래프 빌더를 사용하면 Savitzky-Golay로는 수행할 수 없는 내부 평활화 또는 내부 필터링도 수행할 수 있습니다.
	추가 기능. 따라서 그래프 빌더와 함께 로컬 데이터 필터를 사용하고 관심 영역을 추가로 정의할 수 있습니다.
	그래서,
	계속하자. 사비츠키 골레이
	분석은 우리가...해냈다는 것입니다...그 분석을 한다면, 이것은 스펙트럼의 그룹화입니다. 그래서 우리는 매끄러운 것을 얻었습니다.
	1차 미분은 이제 조금 늘어났습니다. 그리고 거기에 영점선을 넣습니다. 그리고 1차 도함수를 사용하면 다음이 가능합니다.
	영점이 있거나 영점의 교차점을 기준으로 피크가 어디에 있는지 알려줍니다. 그러면 주어진 특정 항목에 대해 피크가 어디에 있는지 알 수 있습니다.
	스펙트럼 그룹, 스펙트럼 세트. 그리고 2차 미분의 경우 이제 조금 다릅니다. 이는 기준선을 평탄화하는 데 도움이 되며, 겹치는 피크가 있는 경우에는
	더 발전하거나 더 잘 확인하여 겹치는 부분을 확인하고 긍정적인 부분에서 부정적인 부분으로 이동합니다. 이는 겹치는 피크와 그 위치를 나타냅니다. 좋습니다. 이것이 바로 그 도구를 사용하는 방법입니다.
	표준 정규 변량 자체는 다시 개별 스펙트럼에 대한 데이터의 표준화입니다. 단독으로 사용하거나 추가 스무딩 도구로 사용할 수 있으며 오늘은 추가 도구로 사용하고 있습니다.
	그것은 사용됩니다 ...
	기준선 이동 수정 및 전체 강도 변화 수정에 사용됩니다. 좋은 점은 스펙트럼의 모양을 변경하지 않고 기준선 변화를 제거한다는 것입니다.
	그리고 데이터에 관한 것은 우리가 그것을 할 때 보게 될 것은 데이터가 쌓여야 한다는 것입니다.
	좋습니다. 이것은 단지 공식 중 하나일 뿐입니다.
	표준 정규 변량 공식을 설정하는 데 사용될 수 있으며 그 방법을 보여 드리겠습니다. 몇 가지 다른 방법이 있지만 약간 관련이 있으므로 그 방법을 보여 드리겠습니다. 여기서 중요한 부분은
	여기에는 표준화된 열에 대한 표준 공식이 있지만 이를 기준 변수로 사용해야 하며 그것이 스펙트럼 자체인지 확인해야 합니다. 그래서
	그것을 추가하는 데는 약간의 트릭이 있습니다.
	그렇습니다. 원시 데이터에만 표준 정규 변이를 적용했다면 다음과 같을 것입니다.
	우리는 그룹화를 볼 수 있고, 상황이 어떻게 전개되는지 볼 수 있습니다. 하지만 1차 미분을 수행한 후 표준 정규 변이를 수행하면 훨씬 더 깔끔해집니다. 스펙트럼이 어디에 있는지, 어디가 겹치는지, 어디에 있는지 훨씬 더 잘 알 수 있습니다.
	여기서 약간의 작업을 수행해야 할 수도 있습니다. 2차 미분이 작용하는 부분, 여기에서 정점이 겹치는 부분이 있을 수 있습니다.
	어쩌면 다시 여기로 돌아올 수도 있겠네요. 그래서
	이것이 바로 당신이 보고 있는 것에 대한 더 나은 비전을 구축하는 데 도움이 되는 부분입니다. 그리고 그 0선은 다시 말하지만, 여러분이 이것을 교차할 때 0선은 최고점을 나타내며 최고점은 1차 도함수를 사용합니다.
	좋습니다. 그럼 데모를 시작해 보겠습니다.
	좋아요, 거기서 나가세요.
	그럼 먼저 데이터 시각화에 대해 이야기해 보겠습니다. 데이터를 먼저 살펴보겠습니다. 새로운 데이터 세트를 얻을 때마다 가장 좋은 방법은 이를 가져와서 시각화하는 것입니다. 그 데이터를 도표화하면 현재 상황이 어떤지 더 잘 알 수 있습니다. 그리고 여기로 내려가서 차를 세우자
	우리의 글루텐 원시 데이터. 맞습니다. 데이터를 가져왔습니다. 이제 이에 대한 시각화 작업을 수행해야 합니다. 이제 그래프 빌더로 이동해 보겠습니다.
	맞습니다. 가장 먼저 우리가 할 일은
	이것을 조금 위로 옮기면 원시 데이터로 이동합니다. 좋아요, 이제 그걸 당겨보겠습니다.
	그리고 이것이 포인트 데이터입니다. 따라서 이것은 우리가 스무딩을 하기 전, 다른 작업을 하기 전에 본 것입니다. 그게 그 라인 데이터였는데, 그걸 다음으로 바꿀 수 있다면
	평행 플롯은 맞습니다. 스펙트럼에 대한 선 데이터를 제공합니다. 다시 말하지만, 우리는 그곳에서 무슨 일이 일어나고 있는지 많이 볼 수는 없지만, 어디에서 문제가 발생하는지 더 잘 알 수 있습니다. 나는 그것을 만들 수 있습니다 ...
	우리는 여기 아래에서...라는 일을 할 수 있습니다. 필요한 경우 다른 데이터와 함께 이를 볼 수 있습니다. 이 평행이 병합되었습니다. 그러나 그것은 아무것도 바꾸지 않았습니다. 다른 데이터의 일부를 볼 수 있는 것처럼 어떤 것도 함께 가져오지 않았으므로 닫겠습니다.
	맞습니다. 데이터를 시각화할 때 제가 즐겨 사용하는 다른 도구 중 일부는 모델 기반 다변량 관리도입니다. 먼저 그 작업을 해보겠습니다.
	이제 분석, 품질 및 프로세스, 모델 기반 다변량 관리도를 살펴보겠습니다.
	이것을 위로 이동하세요.
	그렇죠, 과거 데이터가 없으니 '알겠습니다'라고 하겠습니다. 이를 통해 우리는 데이터를 보고 이렇게 말할 수 있습니다.
	스펙트럼 그룹을 볼 수 있습니다. 그렇죠. 그리고 대부분의 경우 이것은...이 점을 지적하고 싶습니다.
	우리는 우리가 보고 있는 대부분의 변동을 설명할 수 있습니다. 두 가지 주요 구성 요소를 사용하여 최소 최대 85%의 변동을 설명할 수 있습니다. 그리고 그것은 이것을 사용하고 있습니까 ??? T 제곱
	우리가 여기서 얻은 정보입니다. 그리고 이것은 또한 주어진 스펙트럼에 대해 통제할 수 없는 부분이 어디인지 알려줍니다. 왜 다른 그룹과 다른가요?
	따라서 이 점 중 하나 위로 마우스를 가져가면 해당 점을 끌어낼 수 있습니다. 제어 불능 지점 중 하나 위로 마우스를 가져가면 다시 당겨서 빼냅니다.
	이제 우리는 와, 그것들이 정말 다르다는 것을 알 수 있습니다. 이 스펙트럼에는 우리가 더 잘 이해해야 할 뭔가 다른 점이 있습니다. 이 경우 우리는 이미 더 나은 이해를 갖고 있습니다. 왜냐하면 우리는 그것들이 혼합물이라는 것을 알고 있지만 그것을 보고 싶기 때문입니다.
	그리고 이것도 꺼내자. 좋아요, 그럼 또 하나 더요. 따라서 이 세 가지 스펙트럼 사이에는 상당히 다양한 혼합물이 있습니다. 그래서 우리는 3개의 그룹을 가지고 있고 나머지 2개도 거기에 넣을 수 있습니다. 그러나 지금은 그것에 대해서는 그대로 두겠습니다.
	좋아요, 이것이 모델 기반 다변량 관리도입니다. 제가 즐겨 사용하는 또 다른 도구는 다변량 방법에 속하며 다차원 척도법이라고 합니다.
	제가 이것을 사용하는 것을 좋아하는 이유는 특히 이와 같은 시스템에 있어서
	그건 우리가 갖고 있는 거야
	원시 데이터를 다시 한 번 말씀드리죠. 그리고 우리는...
	먼저 이것을 설정하고 말씀드리겠습니다.
	여기에는 두 가지 차원이 있습니다. 이는 이전에 본 것을 기반으로 한 것입니다. 하지만 제가 이 차원을 사용하는 이유는 이를 사용하여 데이터 자체의 일부 그룹화를 수행하거나 시각화할 수 있기 때문입니다. 괜찮은,
	그걸하자. 이 내용이 나오는 데 1초 정도 걸립니다.
	그리고 우리는 5개의 뚜렷한 스펙트럼 그룹을 가지고 있다는 것을 알 수 있습니다. 그렇죠. 각각의 스펙트럼은 전분과 글루텐 혼합물의 그룹과 관련이 있습니다. 제가 바로 여기에서 이 그룹을 강조한다면, 그것이 첫 번째 그룹입니다. 아시다시피 100% 전분입니다.
	중간 그룹은 50/50 혼합이고 여기 아래 그룹은 100% 글루텐입니다. 맞습니다. 그러면 거기에 표시된 것처럼 데이터 테이블의 데이터도 다시 강조표시됩니다.
	상호 작용도 좋습니다. 이것이 또한 우리에게 보여주는 것은 우리가 이미...다른 그룹이 무엇인지 분석할 수 있는 꽤 좋은 일을 하고 있다는 것입니다. 셰퍼드 다이어그램을 보면,
	우리는 1의 R 제곱을 가지고 있고
	직선, 알았어. 다시 한 번, 그것을 시각화하는 좋은 방법이고 이것으로 더 많은 일을 할 수 있지만 이에 대해서는 나중에 다루도록 하겠습니다.
	좋아요, 지금까지는
	데이터를 가져왔고 시각화했습니다. 이제 몇 가지 사전 처리를 수행해야 합니다.
	그리고 우리가 할 일은 이것들이 어느 정도 있고 여기에 자리 표시자가 있으므로 Savitzky-Golay 분석을 수행하고 적어도 첫 번째에서는 표준 정규 변종 분석을 수행할 것입니다. 파생어, 알았어.
	좋아요, 이제 조금 정리하겠습니다.
	그렇죠, 닫으세요.
	그리고 다시 원시 데이터를 가져와 Savitzky-Golay 추가 기능을 사용하여 분석을 수행할 것입니다. 그래서 그것은 나를 위한 추가 기능 아래에 있습니다.
	그리고 이것은 무료 추가 기능이므로 귀하가 다운로드할 수 있으며 우리는 귀하를 위해 그것을 제공할 것입니다. 다시 한 번 원시 데이터를 가져오겠습니다.
	맞습니다. Savitzky-Golay가 무엇인지 더 자세히 알고 싶으시면 여기에 Wikipedia 링크가 있으니 그 링크를 이용하세요. 하지만 우리는 이것을 사용하여 모든 파장에서 데이터를 평활화한 다음 1차 및 2차 도함수를 구할 것입니다. 그리고 나는 말합니다.
	그리고 여기까지 왔습니다. 여기에 매끄러운 데이터가 있습니다.
	그리고 한 가지는 필요에 따라 이것을 조정할 수 있다는 것입니다. 하지만 우리가 원하는 것은 이것을 취하는 것입니다.
	그 창을 조금 더 넓혀보세요.
	알았어.
	그거 해보세요.
	그리고 여기서 다항식을 가지고 놀 수 있습니다. 다항식 적합의 순서입니다.
	이 경우, 8차 다항식으로 가는 것은 실제로 큰 차이를 만들지 않습니다. 두 번째... 두 번째 주문은 괜찮습니다. 좋습니다. 그러면 1차 파생물에서 해당 데이터를 가져올 수 있습니다.
	매끄러운 데이터를 저장한다고 가정해 보겠습니다. 그러면 데이터 테이블에 다시 저장할 수 있습니다. 이미 그 작업을 수행했으므로 해당 프로세스를 보여드릴 필요는 없지만 데이터가 거기에서 데이터 테이블로 다시 가져간다는 점만 알아두시면 됩니다.
	그걸 닫자.
	좋습니다. 이제 가도 좋습니다. 하지만 이제 마지막 단계를 수행해야 합니다. 그럼 살펴보겠습니다...거기에 가기 전에 돌아가서 살펴보겠습니다.
	Savitzky-Golay 데이터. 이것이 1차 파생 데이터입니다. 나는 이것을 아래에서 다시보고 싶습니다.
	그래프 빌더, 맞죠. 그리고 그건... 별로 전망이 좋아 보이지는 않습니다. 하지만 평행 플롯을 만들어 보겠습니다.
	조금 더 나아지게 만듭니다. 정리한 다음 결합된 스케일 병렬 병합을 수행해 보겠습니다. 그러면 데이터가 훨씬 더 다양해집니다.
	비주얼... 아까보다 비주얼이 좋아졌죠. 우리는 그것을 가지고 놀 수 있고 다시 여기에 우리 자신의 영점 선을 추가하여 정점이 교차하는 위치를 더 잘 이해할 수 있습니다.
	하지만 그것은 1차 파생 데이터입니다. 그것은... 그룹을 볼 수 있지만, 더 나은 아이디어를 얻기 위해 정말로 갖고 싶은 것처럼 완전히 분리되어 있지는 않습니다.
	그래서 우리는 거기에 설정되었습니다. 해당 데이터는 데이터 테이블에 다시 있습니다. 이 내용을 닫고 제가 말한 것을 기억하세요. 표준 정규 변이를 수행하려면... 데이터를 쌓아야 하므로 그렇게 해야 합니다. 먼저 여기에 일부 데이터를 부분집합해 보겠습니다.
	알았어, 그러니까
	이 모든 것을 부분 집합화하세요.
	테이블. 하위 집합.
	모든 행. 열을 선택하고 괜찮다고 말합니다. 좋아요, 이제 거기로 가도 좋습니다.
	오른쪽.
	글쎄요, 적어도 우리는... 데이터를 분리했습니다. 이제 우리는 데이터를 쌓아야 합니다. 그렇죠. 그리고 다시 말하지만, 이는 공식에 필요한 모든 데이터에 필터를 적용할 수 있다는 것입니다.
	그래서 테이블 아래에 있습니다. 스택.
	그리고 이것이 우리가 쌓고 있는 기둥입니다.
	오른쪽, 행별로 쌓입니다.
	유지하려는 열을 선택하겠습니다.
	게다가. 그리고 그 후에,
	죄송해요...이 설정을 하려고 여기저기 클릭하고 있는데 이해가 되실 겁니다. 사람들이 거기에 도달하는 데 필요한 것이 무엇인지 볼 수 있도록 잠시 남겨 두겠습니다. 그래서 이것을 저장해 두었습니다.
	지금 무제 12편을 보세요. 이것이 우리의 누적 데이터입니다. 이제 표준 정규 변이를 수행할 수 있습니다. 이를 수행하는 빠른 방법은 새 열을 만드는 것입니다.
	마우스 오른쪽 버튼으로 클릭.
	그리고 여기 공식 편집기에서 이 공식을 작성해야 합니다. 저는 다음과 같은 통계 도구를 사용할 것입니다.
	컬럼 표준화, 그렇죠. 그리고 여기 이 위에 마우스를 놓으면 여러분이 그걸로 무엇을 하고 있는지 알 수 있습니다. 표준화란 무엇을 의미합니까? 그래서 우리는...
	평균은 0이고 표준편차는 1입니다. 이것이 바로 우리가 데이터와 주어진 모든 스펙트럼에 대해 얻으려고 하는 것입니다. 그래서 우리는 데이터를 가져와야합니다
	여기에서 제가 이변수를 추가해야 한다고 말한 것을 기억하세요. 이 경우에는 스펙트럼이 될 것입니다. 나는 괜찮다고 말할 것이다.
	좋습니다. 그러면 데이터 세트가 제공됩니다. 이제 이 작업을 수행하는 더 간단한 방법이 있습니다. 또는 제가 생각하는 것이 더 간단한 방법이지만 다음과 같은 방법도 가능합니다.
	때로는 시간이 조금 더 소요됩니다. 하지만 여기 스펙트럼을 다시 마우스 오른쪽 버튼으로 클릭하면 이변수가 필요하기 때문에 이 작업을 수행한다는 것을 기억하세요. 따라서 새 열 정보로 이동하여 해당 그룹을 기준으로 만들겠습니다.
	그리고 데이터 열을 선택하고 이를 마우스 오른쪽 버튼으로 클릭한 다음 새 수식 열을 작성하겠습니다.
	우리는 분산화와 표준화로 넘어갈 것입니다. 우리는...그러니까 그걸 원해요
	0의 평균; 표준편차 1. 그것을 선택하면 새 열이 만들어집니다. 좋은 점은 데이터가 일치해서, 맞췄다는 안도의 한숨을 쉴 수 있다는 점입니다.
	그렇군요. 알겠습니다. 이제 여기에서 해당 열을 클릭해야 합니다.
	이 데이터를 가져와 분할한 다음 다시 일반 데이터 테이블이나 초기 데이터 테이블에 넣습니다. 제가 이걸 통해 여러분께 보여드리고 싶은 것 중 하나는
	데이터가 쌓이면 다른 시각화를 수행할 수 있습니다. 따라서...그래프 빌더 오른쪽으로 돌아가면 이 데이터를 가져오고 싶습니다.
	로
	네, 그런 다음 라벨을 당겨보겠습니다. 그러면 모든 변형이 어디에 있는지 확인할 수 있는 멋진 방법이 됩니다. 그래서 이것들은 모두,
	아시다시피, 상자 그림은... 데이터의 변화를 볼 수 있는 곳이므로 무슨 일이 일어나고 있는지 시각화할 수 있는 정말 좋은 방법입니다.
	그래프 빌더를 사용하는 또 다른 강력한 방법이며, 이 경우 데이터를 쌓아야 합니다. 이제 당신이 할 수 있는 일은
	포인트 데이터를 끌어오면 그것을 떼어내고 거기에 포인트 데이터를 넣으면 약간의 스무딩 작업을 할 수 있습니다. 이제 그것은 개별 평활이므로 모든 데이터에 대한...모든...모든 데이터에 대한 평균입니다. 우리가 하고 싶은 일은 그 일이다.
	Savitzky-Golay 스무딩을 적용해야 합니다.
	오버레이죠, 그렇죠. 이것이 데이터의 전부입니다. 이제 보기 힘들겠지만 이렇게 할게요. 여러분도 보실 수 있길 바랍니다. 더 부드러운 아래를 선택하면 Savitzky-Golay로 전환됩니다.
	맞습니다. 제 생각엔 당신이... 바라건대, 당신은 그것이 이제 그 선에 맞는다는 것을 보셨을 것입니다. 바로 저기에 있는 평탄화 선입니다.
	그것은 Savitzky-Golay를 사용하여 데이터를 평활화하는 또 다른 방법입니다. 그런 다음 이것을 2차 방정식으로 변경할 수 있고 여기에서 일부 로컬 트리밍을 수행한 다음 궁극적으로 이를 데이터 테이블에 다시 저장할 수 있습니다.
	나는 지금 그것을 그대로 두겠습니다.
	맞습니다. 기억하세요. 우리는 이 데이터를 분할하여 데이터 테이블에 다시 저장해야 했습니다. 분할 단계를 생략하고 데이터...원래 데이터 테이블로 돌아가겠습니다.
	나는 그런 것이 필요하지 않습니다.
	맞아, 그리고 내가 언제
	Graph Builder에서 데이터를 다시 살펴보고,
	나는 이 표준 정규 변량군을 택할 수 있습니다.
	그거 넣어. 다시 말하지만 그다지 유망해 보이지는 않지만 평행 플롯을 작성한 다음 마우스 오른쪽 버튼을 클릭합니다.
	그 비늘을 결합하십시오.
	이것이 기본적으로 완성된 스무딩입니다. 이제 모든 것이 준비되었습니다. 여기에 다시 0 선을 추가할 수 있습니다.
	필요한 경우. 계속해서 추가해 보겠습니다.
	0을 사용하면 일종의 녹색으로 만들겠습니다.
	그거 있어요, 추가하세요.
	알았어라고 말한 다음 다시 이 정보를 사용하여 최고점 위치를 파악하는 데 도움을 받을 수 있습니다.
	영점을 넘었을 때의 최고점을 기준으로 알겠습니다.
	거의 그게 다입니다. 우리의 모습으로 돌아가자
	파워 포인트.
	결론적으로, 전처리...우리는 데이터를 전처리해야 했습니다...데이터를 더 깔끔하게 만들고, 작업하기 훨씬 쉽게 만들기 위해 데이터를 전처리해야 했습니다.
	JMP도 어디에서...
	JMP가 이걸 만들고 있어요...
	우리는 이 과정을 훨씬 쉽게 만들기 위해 노력하고 있습니다. JMP 16의 전처리는 추가 기능과 내장 기능을 통해 지원될 예정입니다.
	우리는 JMP 17에서 전처리 기능, 훨씬 더 정교한 스펙트럼 및 기준선 평활화 옵션, 일부 피크 감지 및 선택 기능이 Functional Data Explorer에 제공될 것을 기대하고 있습니다.
	스펙트럼 데이터를 분석하려면...제가 2020년에 Discovery에 관해 했던 강연이 있었습니다.
	뮌헨. 그것은 가상 강연이었지만 JMP를 사용하여 스펙트럼 데이터를 분석하는 방법에 대한 좋은 아이디어를 제공할 것입니다.
	그리고 이것으로 저는 감사하다고 말씀드리고 싶습니다. 여러분 모두가 이 내용이 유용하다고 생각하셨기를 바랍니다. 알려주세요.

정상회담 최고브레이크아웃데이터 접근 및 조작예측 모델링