349217_de-DE

liliconcom

Maximierung des Erfolgs von Data Science mit Informationsqualität (InfoQ) und JMP® (2021-EU-45MP-750)

https://www.jmp.com/en_us/whitepapers/book-chapters/infoq-support-with-jmp.html

Level: Mittelstufe

 

Ron Kenett, Vorsitzender der KPA Group und Samuel Neaman Instiute, Technion
Christopher Gotwalt, JMP-Direktor, Statistische Forschung und Entwicklung, SAS

 

Die Datenanalyse - von geplanten Experimenten über die allgemeine Regression bis hin zum maschinellen Lernen - wird immer schneller eingesetzt. Gleichzeitig deuten Bedenken hinsichtlich der Reproduzierbarkeit der Ergebnisse und der fehlerhaften Interpretation des p-Werts darauf hin, dass gut gemeinte statistische Analysen zu falschen Schlussfolgerungen und Fehlentscheidungen führen können. Damit ein Datenanalyseprojekt seine Ziele ordnungsgemäß erreichen kann, muss der Umfang und die Stärke der Schlussfolgerungen bewertet werden, die aus den verfügbaren Daten und Tools abgeleitet werden. Dieser Fokus auf statistische Strategien erfordert einen Rahmen, der die Komponenten des Projekts isoliert: die Ziele, das Datenerfassungsverfahren, die Dateneigenschaften, die bereitgestellte Analyse usw. Das InfoQ Framework bietet strukturierte Verfahren für diese Bewertung. Darüber hinaus ist es einfach, InfoQ in JMP zu operationalisieren. In dieser Präsentation bieten wir einen Überblick über InfoQ sowie Anwendungsfallstudien aus der Verbraucherforschung und der pharmazeutischen Herstellung, um zu veranschaulichen, wie JMP zur Durchführung einer InfoQ-Bewertung verwendet werden kann, wobei Situationen mit hohem und niedrigem InfoQ hervorgehoben werden. Wir geben auch Tipps, wie JMP verwendet werden kann, um die Informationsqualität durch ein verbessertes Studiendesign zu verbessern, ohne notwendigerweise mehr Daten zu erfassen. Dieser Vortrag richtet sich an Statistiker, Experten für maschinelles Lernen und Datenwissenschaftler, deren Aufgabe es ist, Zahlen in Informationen umzuwandeln.

 

 

Automatisch generiertes Transkript ...

 

Lautsprecher	Transkript
	Hallo.
	Ich heiße Ron Kenett. Dies
	ist ein gemeinsames Gespräch mit Chris
	Gotwalt und wir im Grunde
	habe zwei Nachrichten
	das sollte aus dem kommen
	sich unterhalten. Eines ist, dass wir sollten
	wirklich besorgt sein
	Informationen und Informationen
	Qualität. Die Leute neigen dazu zu reden
	über Daten und Datenqualität, aber
	Daten sind wirklich nicht das Problem.
	Wir sind Statistiker. Wir sind
	Datenwissenschaftler. Wir drehen Zahlen,
	Daten in Informationen, so dass
	Unser Ziel sollte es sein, sicherzustellen
	dass wir hohe Qualität erzeugen
	Information. Die andere Nachricht
	ist, dass JMP Ihnen helfen kann
	erreichen das, und das ist
	tatsächlich stellte sich heraus, in zu sein
	überraschende Wege. Also durch kombinieren
	das Fachwissen von Chris und einem
	Einführung in die Information
	Qualität hoffen wir, dass diese beiden
	Nachrichten werden rüberkommen
	deutlich. Also wenn ich müsste
	Fassen Sie zusammen, was wir sind
	will doch darüber reden,
	Es geht nur um Informationen
	Qualität. Ich habe einen Vortrag gehalten bei
	auf dem Gipfel in Prag vier Jahre
	vor und dieses Gespräch war generisch.
	Es ging darum, das zu bewegen
	Reise von Qualität durch Design.
	Meine Reise macht Informationen
	Qualität. In diesem Vortrag konzentrieren wir uns
	wie das gemacht werden kann
	JMP. Dies ist eine detailliertere
	und technisches Gespräch als die
	Allgemeiner Vortrag, den ich in Prag gehalten habe.
	Sie können dieses Gespräch sehen.
	Hier ist ein Link aufgeführt. Sie können
	Finden Sie es in der JMP-Community.
	Also werden wir darüber reden
	Informationsqualität, die ist
	das Potenzial des Datensatzes, a
	spezifischer Datensatz, um a zu erreichen
	bestimmtes Ziel, ein bestimmtes Ziel,
	mit der gegebenen empirischen Methode.
	In dieser Definition haben wir also
	drei Komponenten, die sind
	aufgeführt. Eines sind bestimmte Daten
	einstellen. Hier sind die Daten. Das
	Zweiter ist das Ziel,
	das Ziel der Analyse, was
	es ist das, was wir erreichen wollen.
	Und der dritte ist, wie wir werden
	mach das, was ist, mit was
	Methoden, die wir generieren werden
	Informationen und dieses Potenzial
	wird mit dem bewertet
	Utility-Funktion. Und ich werde
	Beginnen Sie mit einer Einführung in
	Informationsqualität und dann
	Chris wird übernehmen,
	Besprechen Sie die Fallstudie und und
	zeigen Ihnen, wie man eine
	Bewertung der Informationsqualität.
	Letztendlich sollte dies so sein
	Beantworten Sie die Frage, wie JMP
	unterstützt InfoQ, das
	wäre das die Aufzählungszeichen
	dass Sie ... die Punkte zum Mitnehmen können
	aus dem Gespräch. Das Setup für
	Das ist es, was wir ermutigen
	Was ich eine Lebenszyklusansicht nannte
	von Statistiken. Mit anderen Worten,
	nicht nur Datenanalyse.
	Wir sollten wissen ... wir sollten ein Teil sein
	der Problemauslösung
	Phase. Auch das Ziel
	Formulierungsphase, die verdient
	eine Diskussion. Wir sollten
	offensichtlich in die beteiligt sein
	Datenerfassungsschema, wenn es ist
	durch Experimente oder durch
	Umfragen oder durch Beobachtung
	Daten. Dann sollten wir auch nehmen
	Zeit für die Formulierung der
	Erkenntnisse und nicht nur herausziehen
	gedruckte Berichte am
	Regressionskoeffizienten
	Schätzungen und und ihre
	Bedeutung, aber wir sollten
	Besprechen Sie auch, was die sind
	Ergebnisse? Operationalisierung von
	Ergebnisse bedeuten, OK, was können wir
	mit diesen Erkenntnissen machen? Was sind
	die Auswirkungen der
	Ergebnisse? Dies sollte ...
	muss dem mitgeteilt werden
	richtige Leute auf die richtige Weise,
	und irgendwann sollten wir eine machen
	Folgenabschätzung, um herauszufinden,
	OK, wir haben das alles gemacht; was hat
	war der Mehrwert unserer
	Arbeit? Ich habe über das Leben gesprochen
	Zyklus Ihrer Statistiken einige Jahre
	vor. Dies ist die Voraussetzung,
	die Perspektive zu was
	Ich werde darüber reden. So wie ich
	erwähnt, die Informationen
	Qualität ist das Potenzial von a
	bestimmter Datensatz, um a zu erreichen
	besonderes Ziel mit gegeben
	empirische Analysemethoden. Dies
	wird durch vier identifiziert
Komponenten	das Ziel, die Daten,
	die Analysemethode und die
	Gebrauchsmaßnahme. Also in einem in einem
	mathematischer Ausdruck, der
	Nutzen der Anwendung von f auf x,
	Bedingung für das Ziel ist, wie wir
	InfoQ identifizieren, Informationen
	Qualität. Dies wurde veröffentlicht in
	die Royal Statistical Society
	Serie A 2013 mit acht
	Diskussionsteilnehmer, so war es reichlich
	diskutiert. Einige Leute dachten
	Das war fantastisch und einige
	Die Leute hatten viel Kritik
	diese Idee, also ist dies eine breitere
	Umfang Betrachtung von was
	Statistik geht es um. Wir ... auch
	schrieb im Jahr 2006, wir treffen mich
	und Galit Shmueli, ein Buch namens
	Informationsqualität. Und in
	der Kontext der Information
	Qualität haben wir gemacht was heißt
	Dekonstruktion. David Hand hat
	ein Papier namens Dekonstruktion
	der Statistik. Dies ist das
	Dekonstruktion von Informationen
	Qualität in acht Dimensionen. ich
	wird diese acht Dimensionen abdecken.
	Das ist mein Teil im Gespräch und
	dann wird Chris zeigen, wie das geht
	ist in einem bestimmten implementiert
	Fallstudie.
	Ein weiterer Aspekt, der sich bezieht
	Dies ist ein weiteres Buch, das ich habe.
	Dies ist vor einem Jahr neu
	betitelt The Real Work of Data
	Wissenschaft und wir reden über was
	ist die Rolle der Daten
	Wissenschaftler in Organisationen und
	in diesem Zusammenhang haben wir betont
	die Notwendigkeit für den Datenwissenschaftler
	an der Generation beteiligt sein
	von Informationen als ... Informationen
	Qualität als Erreichung der Ziele von
	die Organisation. Also lass mich
	decken die acht Dimensionen ab. Das ist
	Das ist mein Intro. Das
	Das erste ist die Datenauflösung. Wir
	ein Ziel haben. OK, wir würden wir
	möchte den Grad der Grippe kennen
	weil auf dem Land oder in der
	Bereich, in dem wir leben, weil das
	wird sich auf unsere Entscheidung auswirken
	ob man wo in den Park geht
	wir könnten Leute treffen oder gehen
	a ... zu einem Jazzkonzert. Und das
	Konzert ist morgen.
	Wenn wir die CDC-Daten nachschlagen
	das Ausmaß der Grippe, das Daten sind
	wöchentlich aktualisiert, damit wir bekommen konnten
	die rote Linie in der Grafik Sie
	vor dir haben, also wir
	könnte Daten von ein paar Tagen bekommen
	vor vielleicht gut, vielleicht nicht gut
	genug für unser Gold. Google Grippe,
	welches auf Suchen basiert
	im Zusammenhang mit Grippe, wird aktualisiert
	Momentan ist es also aktualisiert
	Online wird es wahrscheinlich geben
	uns bessere Informationen. So für
	unser Ziel, die blaue Linie, die
	Google Trend ... die Google Grippe
	Trendindikator ist wahrscheinlich
	angemessener. Der Zweite
	Dimension ist Datenstruktur.
	Um unser Ziel zu erreichen, werden wir
	Daten ansehen. Wir sollten ... wir
	sollte die Datenquellen identifizieren
	und die Struktur in diesen Daten
	Quellen. So könnten einige Daten sein
	Text, einige könnten Video sein, andere
	könnte zum Beispiel die sein
	Netzwerk von Empfehlungen. Dies
	ist ein Amazon Bild auf wie wenn
	du siehst dir das Buch an, du bist
	werde etwas bekommen
	andere Bücher empfohlen. Und wenn
	du gehst zu diesen anderen Büchern,
	Sie werden mehr Daten haben
	empfohlen. Also die Daten
	Struktur kann in allen möglichen Arten kommen
	von Formen und Formen und dies kann
	Text sein. Dies kann funktionsfähig sein
	Daten. Dies können Bilder sein. Wir sind
	jetzt nicht auf das beschränkt, was wir benutzt haben
	Daten aufrufen, was Sie tun
	in einer Excel-Tabelle finden.
	Die Daten könnten beschädigt sein,
	könnte fehlende Werte haben, könnte
	haben ungewöhnliche Muster, die
	welches sein würde
	etwas zu untersuchen. Etwas
	Muster, wo Dinge sind
	wiederholt. Vielleicht einige der Daten
	Es ist nur kopieren und einfügen und wir
	möchte gewarnt werden
	solche Optionen. Der dritte
	Dimension ist Datenintegration.
	Wenn wir die Daten von betrachten
	Diese verschiedenen Quellen sind wir
	werde sie so wir integrieren
	kann einige Analyseverknüpfungen durchführen
	durch eine ID. Zum Beispiel wir
	würde das tun, aber dabei,
	wir könnten einige Probleme schaffen, z
	B. bei der Offenlegung von Daten
	das sollte normalerweise sein
	anonymisiert. Daten
	Integration, ja, das wird
	Erlauben Sie uns, fantastische Dinge zu tun,
	aber wenn die Daten wahrgenommen werden
	etwas Privatsphäre ausgesetzt haben
	Fragen, dann vielleicht die Qualität
	der Informationen aus dem
	Analyse, die wir machen werden
	wird gehen wird sein
	betroffen. Also Datenintegration
	sollte sehr, sehr untersucht werden
	vorsichtig. Das ist was Leute
	wird wahrscheinlich verwendet, um ETL aufzurufen
	extrahieren, transformieren und laden. Wir
	Jetzt haben viel bessere Methoden für
	das machen. Die Join-Option für
	Beispiel wird in JMP angeboten
	Optionen dafür.
	Zeitliche Relevanz. OK das ist
	ziemlich klar. Wir haben Daten. Es ist
	irgendwie gestempelt. Wenn wir gehen
	um die Analyse später, später durchzuführen
	nach der Datenerfassung und
	wenn die Bereitstellung, die wir
	Betrachten Sie ist noch später, dann die
	Daten sind möglicherweise nicht zeitlich
	relevant. In einem gemeinsamen
	Situation, wenn wir vergleichen wollen
	Was jetzt los ist, würden wir
	gerne in der Lage sein, dies zu machen
	Vergleich mit aktuellen Daten oder
	Daten vor der Pandemie
	begonnen, aber nicht 10 Jahre
	vorhin. Die offizielle Statistik
	auf Gesundheitsakten waren früher zwei
	oder drei Jahre hinterher
	des Timings, was es sehr machte
	schwierig die Verwendung von offiziellen
	Statistiken bei der Bewertung
	was ist los mit dem
	Pandemie. Chronologie der Daten und
	Ziel hängt mit der Entscheidung zusammen
	das machen wir als Ergebnis unserer
	Tor. Also, wenn zum Beispiel unsere
	Ziel ist die Vorhersage der Luftqualität,
	Wir werden einige verwenden
	Vorhersagemodelle in der Luft
	Qualitätsindex berichtet über a
	täglich. Dies gibt uns eine Eins
	bis sechs Skala von gefährlich bis
	gut. Es gibt einige Werte
	die Ebenen von darstellen
	Gesundheitskonzern. Null-50 ist gut;
	300-500 ist gefährlich und die
	Chronologie von Daten und Ziel
	bedeutet, dass wir in der Lage sein sollten
	Machen Sie eine Prognose an einem Tag
	Basis. Also die Methoden, die wir verwenden
	sollte täglich aktualisiert werden
	Basis. Wenn andererseits
	Unser Ziel ist es herauszufinden, wie es ist
	Dieser AQI-Index berechnet, dann wir
	sind nicht wirklich an die gebunden
	die Aktualität der Analyse.
	Sie wissen, wir könnten unsere nehmen
	Zeit. Es gibt keine Dringlichkeit
	Analyse auf a
	täglich. Generalisierbarkeit,
	Die sechste Dimension ist ungefähr
	unter Berücksichtigung unserer Erkenntnisse und
	Überlegen Sie, wo dies möglich ist
	allgemeiner gelten,
	alle anderen Bevölkerungsgruppen
	Situationen. Das kann gemacht werden
	intuitiv. Marketing Manager, die
	habe eine studie über die auf der gesehen
	Markt, nennen wir es A, könnte
	verstehe schon was die sind
	Auswirkungen auf den Markt B.
	ohne Daten. Menschen, die sind
	Physiker werden dazu in der Lage sein
	Vorhersagen treffen basierend auf
	Mechanik nach ersten Prinzipien
	ohne ohne Daten.
	Also ein Teil der Generalisierbarkeit
	wird mit Daten gemacht. Dies ist das
	Grundlage der statistischen
	Verallgemeinerung, wohin wir gehen
	die Stichprobe an die Bevölkerung.
	Bei statistischen Schlussfolgerungen geht es um
	Verallgemeinerung. Wir verallgemeinern
	von der Probe bis zum
	Population. Und manche können es sein
	domänenbasiert, mit anderen Worten,
	mit Expertenwissen, Domain
	Fachwissen, nicht unbedingt mit
	Daten. Das müssen wir erkennen
	Generalisierbarkeit ist nicht nur
	fertig mit Statistiken.
	Die siebte Dimension ist
	Operationalisierung konstruieren,
	Das ist wirklich darüber, was es ist
	dass wir messen. Wir wollen
	Verhalten, Emotionen, was beurteilen
	es ist das wir messen können, das
	wird uns Daten geben, die widerspiegeln
	Verhalten oder Emotionen.
	Das Beispiel gebe ich hier
	Typischerweise ist Schmerz.
	Wir wissen, was Schmerz ist. Wie macht
	wir messen das? Wenn du zu einem gehst
	Krankenhaus und Sie fragen die Krankenschwester,
	Wie beurteilen Sie den Schmerz?
	Ich werde Ihnen sagen, wir haben eine Skala,
	1 bis 10. Es ist sehr
	qualitativ, nicht sehr
	wissenschaftlich würde ich sagen. Wenn wir
	will das Niveau von messen
	Alkohol in Fahrern auf dem ... auf
	Auf der Straße wird es schwierig sein
	messen. Also könnten wir messen
	Geschwindigkeit als Ersatzmaßnahme.
	Ein weiterer Teil von
	Operationalisierung ist die andere
	Das Ende der Geschichte. In anderen
	Worte, der erste Teil, die
	Konstrukt ist das, was wir messen,
	was unser Ziel widerspiegelt. Die ... Die
	Ende ... das Endergebnis hier ist das
	Wir haben Erkenntnisse und wir wollen
	mach etwas mit ihnen. Wir wollen
	unser Ergebnis zu operationalisieren.
	Das ist was die Aktion
	Operationalisierung geht es um.
	Es geht darum, was Sie mit dem machen
	Erkenntnisse und dann sein
	hier auf einem Podium präsentiert. Wir
	verwendet, um drei Fragen zu stellen.
	Diese sind sehr wichtig
	zu stellende Fragen. Sobald du hast
	Sie haben eine Analyse durchgeführt
	jemand vor dir wer
	sagt, oh, vielen Dank,
	Du bist fertig ... du, der Statistiker
	oder der Datenwissenschaftler. Also das
	Dies dauert einen zusätzlichen Schritt,
	Sie dazu bringen, Ihren Kunden zu fragen
diese einfachen Fragen	Was tun?
	du willst erreichen Wie wird
	du machst das und wie wirst du
	wissen, ob Sie erreicht haben
	Das? Wir können wir helfen zu antworten, oder
	zumindest einige davon unterstützen
	Fragen, die wir beantwortet haben.
	Die achte Dimension ist
	Kommunikation. Ich gebe dir eine
	Beispiel von einem sehr berühmten alten
	Karte aus dem 19. Jahrhundert, die
	zeigt den Marsch der
	Napoleon Armee von Frankreich nach
	Moskau nach Russland. Sie sehen das
	Zahlen sind die Breite von
	Der Pfad gibt die Größe an
	der Armee, und dann weiter in
	schwarz du siehst was passiert ist
	sie auf dem Rückweg.
	Also im Grunde war das ein
	katastrophaler Marsch. Wir wir wir wir
	kann diese alte Karte beziehen
	vorhandene Karten, und es gibt eine
	JMP-Add-In, das Sie können
	finden Sie auf der JMP Community, um
	zeigen Sie mit Blasendiagrammen,
	dynamische Blase zeichnet was dies
	sieht aus wie. Also habe ich abgedeckt
	sehr schnell die acht Informationen
	Qualitätsabmessungen. Meine letzte
	Folie ist das, was ich gesprochen habe
	etwa aus einem historischen
	Perspektive, wirklich einige
	Proportionen zu dem, was ich sage.
	Ich denke, wir sind wirklich in der Ära
	der Informationsqualität. Wir verwendeten
	sich mit dem Produkt befassen
	Qualität im 18. Jahrhundert, die
	17. Jahrhundert. Wir sind dann umgezogen
	Prozessqualität und Service
	Qualität. Dies ist ein kurzes Memo
	auf Vorschlag eines Kontrolldiagramms,
	1924 denke ich.
	Dann wechseln wir zum Management
	Qualität. Das ist der Juran
	Trilogie von Design, Verbesserung
	und Kontrolle. Six Sigma (definieren,
	messen, analysieren, verbessern)
	Kontrollprozess ist der
	Verbesserungsprozess von Juran,
	und Juran war der Großvater
	von Six Sigma in diesem Sinne.
	Dann kam in den 80ern Taguchi
	im. Er spricht von robust
	Design. Wie können wir damit umgehen?
	Variabilität der Eingaben durch richtige
	Designentscheidungen? Und jetzt sind wir
	im Zeitalter der Information
	Qualität. Wir haben Sensoren. Wir
	flexible Systeme haben. Wir sind
	abhängig von KI und Maschine
	Lernen und Data Mining und wir
	sammeln groß groß groß
	Zahlen, die wir aber groß nennen
	Daten. Das Interesse an Informationen
	Qualität sollte eine Primzahl sein
	Interesse. Ich werde es versuchen und
	Überzeugen Sie sich mit Hilfe
	von Chris, das.
	Wir sind hier und JMP kann
	Helfen Sie uns, dies in einem zu erreichen
	wirklich ungewöhnlicher Weg.
	Was Sie am Ende sehen werden
	die Fallstudie, die Chris machen wird
	Show ist auch, wie es geht
	Bewertung der Informationsqualität und
	im Grunde auf eine bestimmte Studie
	eine Informationsqualität erzeugen
	Ergebnis. Also, wenn wir von oben nach unten gehen, ich
	kann dir diese Studie sagen, das
	Arbeit, diese Analyse ist vielleicht 80% oder
	vielleicht 30% oder vielleicht 95%.
	Und durch das Beispiel werden Sie
	sehen, wie das geht. Da ist ein
	JMP-Add-In, um dies bereitzustellen
	Bewertung. Es ist es tatsächlich
	ganz ganz einfach. Es gibt
	nichts wirklich raffiniertes
	über das. Also bin ich fertig und
	Chris, nach dir. Danke, Ron. So
	jetzt gehe ich durch die
	Analyse eines Datensatzes in gewisser Weise
	das ruft explizit die
	verschiedene Aspekte der Information
	Qualität und zeigen, wie JMP sein kann
	verwendet, um eine Verbesserung zu bewerten
	für InfoQ. Also bin ich es zuerst
	Ich werde die InfoQ durchgehen
	Komponenten. Die erste InfoQ
	Komponente ist das Ziel, also in
	in diesem Fall die Problemstellung
	war das ein Chemieunternehmen
	wollte eine Formulierung, die
	maximierte Produktausbeute während
	Minimierung einer störenden Verunreinigung
	das ergab sich aus der Reaktion.
	Das war also das übergeordnete Ziel.
	Statistisch gesehen wollten wir
	um ein Modell zu finden, das genau ist
	sagte eine Antwort auf Daten voraus
	so einstellen, dass wir eine finden konnten
	Kombination von Zutaten und
	Verarbeitungsschritte, die führen würden
	zu einem besseren Produkt.
	Die Daten sind in 100 eingerichtet
	experimentelle Formulierungen mit
	ein Hauptbestandteil, X1 und
	10 Zusatzstoffe. Es gibt auch ein
	Verarbeitungsfaktor in 13
	Antworten. Die Daten sind
	komplett hergestellt aber waren
	simuliert, um das gleiche zu veranschaulichen
	Stärken und Schwächen der
	Originale Daten. Die Daten
	Formulierung wurde auch gemacht
	verzeichnet. Wir werden schauen
	diese Daten genau, also möchte ich
	über den Hinweis hinaus näher zu erläutern
	dass sie in einem gesammelt wurden
	Ad-hoc-Weg, ein oder zwei ändern
	Zusatzstoffe zu einem Zeitpunkt statt
	als entworfen oder randomisiert
	Experiment. Es gibt viel
	Möglichkeiten zur Analyse dieser Daten, die
	am typischsten ist am wenigsten
	Modellierung von Quadraten mit Vorwärts
	Auswahl ausgewählter Antworten.
	Das war meine ursprüngliche Absicht
	für dieses Gespräch, aber als ich zeigte
	die Daten an Ron, er sofort
	erkannte die Antwortspalten
	als Zeitreihe aus analytischen
	Chemie. Obwohl die Daten
	simuliert wurden, konnte er das sehen
	Struktur. Er konnte Dinge sehen
	in den Daten, die ich nicht gesehen habe
	und hineinlesen war es nicht. ich fand
	das ist auffällig
	beeindruckend. Es ist jenseits der
	Umfang dieses Gesprächs, aber es gibt
	ein noch besserer Ansatz basierend auf
	Ensemble-Modellierung mit
	fraktioniert gewichtet
	Bootstrapping. Phil Ramsey,
	Wayne Levin und ich haben noch einen
	Sprechen Sie über diese Methodik unter
	die europäische Entdeckung
	Konferenz in diesem Jahr. Das
	Ansatz ist vielversprechend, weil es
	kann Modelle an Daten mit anpassen
	aktivere Interaktionen als
	Es gibt Läufe. Der vierte und letzte
	Bestandteil der Informationsqualität
	ist Nutzen, das ist, wie gut wir
	sind in der Lage, unsere Ziele zu bewerten. Oder
	Wie messen wir, wie gut wir sind?
	unsere Ziele bewertet? Da ist ein
	Domain-Aspekt, der in diesem ist
	Fall wollen wir eine haben
	Formulierung, die zu führt
	maximierte Ausbeuten und minimierte die
	Abfälle bei der Nachbearbeitung der
	Material. Die statistische
	Analyse-Dienstprogramm bezieht sich auf die
	Modell, das wir passen. Was war
	da ist am wenigsten
	Quadrate Genauigkeit unseres Modells in
	in Bezug darauf, wie gut wir in der Lage sind
	vorhersagen was das ... was würde
	Ergebnis vom Kandidaten
	Formulierungskombinationen ... von
	Mischungsfaktoren. Jetzt gehe ich
	eine Reihe von Fragen durchgehen
	das macht eine detaillierte InfoQ
	Einschätzung wie in der organisiert
	acht Dimensionen von Informationen
	Qualität. Ich möchte darauf hinweisen
	dass nicht alle Fragen sein werden
	gleichermaßen relevant für verschiedene
	Datenwissenschaft und Statistik
	Projekte, und das ist nicht
	soll aber starres Dogma sein
	eher eine Reihe von Dingen, die sind
	eine gute Idee, sich zu fragen.
	Diese Fragen stellen eine Art dar
	der datenanalytischen Weisheit, dass
	sieht breiter aus als nur die
	Anwendung eines bestimmten
	statistische Technologie. Eine Kopie
	einer Tabelle mit diesen
	Fragen zusammen mit Hinweisen auf
	JMP-Funktionen, die am meisten sind
	nützlich für die Beantwortung von a
	bestimmte wird hochgeladen
	an die JMP Community entlang
	mit diesem Gespräch für Sie zu verwenden. Wie
	Ich gehe die Fragen durch,
	Ich werde eine Analyse von vorführen
	die Daten in JMP. Also Frage 1
ist	ist die verwendete Datenskala
	auf das erklärte Ziel ausgerichtet? So
	die Xs, aus denen wir bestehen
	eine einzelne kategoriale Variable
	Verarbeitung und die 11 kontinuierlich
	Eingänge. Diese werden gemessen
	als Prozentsätze und sind auch
	auf ein halbes Prozent aufgezeichnet. Wir
	habe nicht die Gesamtmenge von
	die Zutaten, nur die
	Prozentsätze. Die Summen sind
	Informationen, die entweder verloren gingen
	oder nie aufgenommen. Es gibt
	andere potenziell wichtige
	Informationen, die sind
	fehlt hier. Die Zeit zwischen
	Formulierung der Chargen und
	Die Messungen sind weg
	und es hätte andere geben können
	Informationen auf Kovariatenebene, die
	fehlt hier das hätte
	beschrieben die Bedingungen unter
	welche die Reaktion auftrat.
	Ohne mehr Informationen als ich
	Ich kann nicht sagen, wie wichtig
	diese Art von kovariaten Informationen
	wäre gewesen. Wir haben
	Informationen am Tag des
	Charge, so dass als verwendet werden könnte
	ein Ersatz möglicherweise. Insgesamt haben wir
	habe was hoffentlich am meisten ist
	wichtige Eingaben sowie
	Messungen der Antworten wir
	möchten optimieren. Wir könnten haben
	hatte mehr Informationen, aber das
	sieht vielversprechend genug aus, um es zu versuchen
	und Analyse mit. Der Zweite
	Frage im Zusammenhang mit Daten
	Auflösung ist wie zuverlässig und
	präzise sind die Messgeräte
	und Datenquellen. Und die Tatsache
	ist, wir haben nicht viel
	spezifische Informationen hier. Das
	Statistiker intern die
	Firma hätte mehr gehabt
	Information. In diesem Fall wir
	Ich habe keine andere Wahl, als dem zu vertrauen
	die Chemiker formulierten und
	zeichnete die Mischungen gut auf. Das
	dritte Frage in Bezug auf Daten
Auflösung ist	ist die Daten
	Analyse geeignet für die Daten
	Aggregationsebene? Und das
	Antwort hier ist ja, vorausgesetzt
	dass ihr Messsystem ist
	genau und dass die Daten sind
	sauber genug. Was wir gehen
	am Ende tatsächlich zu tun ist
	Wir werden das benutzen
	Funktionsdaten-Explorer zu
	Funktionsprinzip extrahieren
	Komponenten, die Daten sind
	abgeleitete Art von Daten
	Anhäufung. Und dann sind wir
	werde diese modellieren
	funktionale Hauptkomponenten
	unter Verwendung der Eingangsvariablen. So
	Jetzt gehen wir zu den Daten über
	Strukturdimension und die
	Die erste Frage, die wir stellen, ist die
	verwendete Daten ausgerichtet auf die
	erklärtes Ziel? Und ich denke das
	Die Antwort ist hier ein klares Ja. Wurden
	versuchen zu maximieren
	Ausbeute. Wir haben Messungen für
	das, und die Eingänge sind
	aufgezeichnet als Xs. Die zweiten Daten
	Strukturfrage ist wo
	Dinge fangen wirklich an zu werden
	interessant für mich. Das ist es also
	sind die Integritätsdetails
	(Ausreißer, fehlende Werte, Daten
	Korruption) beschriebene Probleme und
	angemessen gehandhabt? Also von
	Hier können wir JMP verwenden, um in der Lage zu sein
	zu verstehen, wo die Ausreißer
	sind, Strategien für herauszufinden
	Was tun bei fehlenden Werten?
	beobachte ihre Muster und so
	auf. Das ist also hier
	die Dinge werden ein wenig werden
	etwas interessanter. Der erste
	Was wir tun werden, ist, dass wir es tun
	werde feststellen, ob es gibt
	alle Ausreißer in den Daten, die wir
	müssen besorgt sein. So
	Um das zu tun, werden wir gehen
	in die Ausreißer erkunden
	Plattform aus dem Screening
	Speisekarte. Wir werden das laden
	Antwortvariablen und weil
	Dies ist eine multivariate Einstellung.
	Wir werden eine neue Funktion verwenden
	in JMP Pro 16 namens Robust
	PCA-Ausreißer. Also sehen wir wo
	die großen Residuen sind in denen
	Art von Pareto-Plots.
	Es gibt einen Schnappschuss, der zeigt, wo
	Es gibt einige potenziell
	ungewöhnlich große Beobachtungen. ich
	glaube nicht wirklich, dass das so aussieht
	zu ungewöhnlich oder besorgniserregend für mich.
	Wir können die großen Ausreißer retten
	zu einer Datentabelle und dann schauen
	sie in der Verteilung
	Plattform und was wir irgendwie sehen
	sieht aus wie eine Normalverteilung
	mit der Mitte herausgenommen. Also ich
	Ich denke, das sind Daten, die es sind
	von so etwas kommen
	Bevölkerung und es gibt nichts
	hier wirklich Sorgen zu machen,
	Ausreißer weise. Also einmal haben wir
	kümmerte sich um den Ausreißer
	Situation, in die wir gehen und erforschen
	fehlende Werte. Also was sind wir?
	Zuerst machen wir es
	das Ys als ... in das laden
	Plattform, und dann gehen wir
	um den fehlenden Wert zu verwenden
	Schnappschuss, um zu sehen, welche Muster
	Sie gehören zu unseren Vermissten
	Werte. Es sieht aus wie die
	fehlende Werte treten in der Regel auf
	horizontale Cluster, und es gibt
	auch die gleichen fehlenden Werte
	über Reihen. Das können Sie also sehen
	mit den schwarzen Flecken hier.
	Und dann bewerben wir uns
	automatisierte Datenimputation,
	das geht voran und spart
	Formelspalten, die unterstellen
	fehlende Werte im neuen
	Spalten mit einem Regressionstyp
	Algorithmus, der von entwickelt wurde
	ein Doktorand von mir namens Milo
	Seite im NC-Status. Also können wir spielen
	ein bisschen herum und bekommen ein
	Gefühl wie der ADI
	Algorithmus funktioniert. So ist es
	hat diese Formelspalten erstellt
	das schält Elemente von ab
	die ADI-Imput-Spalte, die ist
	eine Vektorformelspalte und die
	Scoring-Imput-Funktion
	berechnet das erwartete
	Wert der fehlenden Zellen angegeben
	die nicht fehlenden Zellen, wann immer
	Es hat einen fehlenden Wert. Und sein
	nur durch ein nicht tragen
	fehlender Wert. Sie können also 207 sehen
	in YO ... Y6 dort. Es ist anfangs
	207 aber dann ändere ich es auf
	fehlt und es ist jetzt
	unterstellt, 234 zu sein.
	Also mache ich das ein paar Mal
	Sie können sehen, wie es ist
	Arbeiten. Also hier werde ich eine große setzen
	Wert für Y7 und das ist jetzt.
	wurde ersetzt. Und wenn wir runter gehen
	und wir fügen eine Zeile hinzu,
	dann sind alle fehlenden Werte da
	anfangs und die Spalte bedeutet
	werden für die ersetzt
	Zuschreibungen. Wenn ich gehen würde
	voraus und Werte für einige von hinzufügen
	diese fehlenden Zellen würde es
	Beginnen Sie mit der Bedingung
	Erwartung der noch fehlenden
	Zellen, die die Informationen verwenden
	das ist in der fehlenden .... die
	nicht fehlende. Also unser nächster
	Frage zur Datenstruktur ist
	sind die Analysemethoden
	geeignet für die Datenstruktur?
	Wir haben also 11 Mischungseingänge
	und eine Verarbeitungsvariable, die
	kategorisch. Die gehen
	Eingaben in ein Minimum sein
	Modell vom Typ Quadrate. Wir haben
	13 kontinuierliche Antworten und
	wir können sie modellieren mit ...
	einzeln mit am wenigsten
	Quadrate. Oder wir können modellieren
	Funktionsprinzip
	Komponenten. Die ... jetzt gibt es
	Probleme. Die Xs sind ... die
	Eingabevariablen wurden nicht
	überhaupt randomisiert. Es ist sehr
	klar, dass sie Mist machen würden
	herum mit einem oder mehreren von
	die Verbindungen und dann bewegen
	auf zu einem anderen. Also die
	Reihenfolge, in der die
	Die Eingangsvariablen wurden variiert
	war irgendwie willkürlich. Es ist ein
	klarer Mangel an Randomisierung, und
	das wird negativ
	Auswirkungen auf unsere ... die Generalisierbarkeit
	und Stärke unserer Schlussfolgerungen.
	Datenintegration ist die dritte
	InfoQ-Dimension. Diese Daten
	sind manuell eingegebene Labornotizen
	Bestehend hauptsächlich aus Mischung
	Prozentsätze und Ausrüstung
	Anzeigen. Wir können nur annehmen
	dass die Daten eingegeben wurden
	richtig und dass die Xs sind
	richtig mit den Antworten ausgerichtet.
	Wenn das nicht der Fall ist, dann die
	Modell wird ernsthafte Voreingenommenheit haben
	Probleme und haben
	Probleme mit der Generalisierbarkeit.
	Integration ist eher ein Problem
	mit Beobachtungsdaten
	wissenschaftliche Probleme in der Maschine
	Lernübungen als Labor
	Experimente wie dieses. Obwohl
	es gilt hier nicht, ich werde
	darauf hinweisen, dass Privatsphäre und
	Vertraulichkeitsbedenken können sein
	identifiziert durch Modellierung der
	sensibler Teil der Daten mit
	die zu veröffentlichende Komponente
	bei den Daten. Ist das Ergebnis
	Modell wird vorhergesagt, dann eins
	sollte besorgt sein, dass die Privatsphäre
	Bedenken werden nicht erfüllt. Zeitlich
	Relevanz bezieht sich auf die
	Betriebszeitsequenzierung von
	Datenerfassung, Analyse und
	Einsatz und ob Lücken
	zwischen diesen Stufen führt zu a
	Abnahme der Nützlichkeit von
	die Informationen in der Studie.
	In diesem Fall können wir nur einfach
	hoffe, dass das Material liefert
	sind einigermaßen konsistent und
	dass die Testausrüstung ist
	ziemlich genau, was ein ist
	nicht überprüfbare Annahme dabei
	Punkt. Die zeitliche Auflösung haben wir
	haben, wenn die Datenerfassung ist
	auf Tagesebene, was bedeutet
	dass es nicht viel gibt
	Wir können überprüfen, ob Zeit ist
	Variation innerhalb eines jeden Tages.
	Chronologie von Daten und Ziel ist
	über die Verfügbarkeit von
	relevante Variablen sowohl in Bezug auf
	ob die Variable ist
	überhaupt in den Daten vorhanden oder
	ob die richtigen Informationen
	wird verfügbar sein, wenn das Modell
	wird bereitgestellt. Für vorausschauende
	Modelle, dies bezieht sich auf Modelle
	fit sein für Daten ähnlich wie
	was wird zu der Zeit vorhanden sein
	Das Modell wird am ausgewertet
	neue Daten. Auf diese Weise werden unsere Daten
	Set ist sicherlich in Ordnung. Zum
	Feststellung der Kausalität jedoch
	Wir sind nicht annähernd so gut
	Form, weil der Mangel an
	Randomisierung impliziert diese Zeit
	Effekte und Faktoreffekte können
	verwirrt sein, was zu Voreingenommenheit führt
	in unseren Schätzungen. Endogenität,
	oder umgekehrte Kausalität, könnte
	eindeutig ein Problem hier sein, als
	Variablen wie Temperatur und
	Reaktionszeit könnte eindeutig sein
	Auswirkungen auf die Antworten, haben aber
	wurde nicht aufgezeichnet. Insgesamt,
	Es gibt eine Menge, die wir nicht wissen
	über diese Dimension in einem
	Sinn für Informationsqualität.
	Der Rest des InfoQ
	Einschätzung wird sein
	abhängig von der Art der
	Analyse, die wir machen. Also dazu
	Punkt, ich werde weitermachen und
	Führen Sie eine Analyse dieser Daten durch
	unter Verwendung der Funktionsdaten
	Explorer-Plattform in JMP Pro
	das erlaubt mir zu modellieren
	alle Spalten gleichzeitig
	auf eine Weise, die auf basiert
	funktionale Hauptkomponenten,
	die die maximale Menge enthalten
	von Informationen über all diese
	Spalten wie in der dargestellt
	effizientestes Format möglich.
	Ich werde an der arbeiten
	unterstellte Versionen der Spalten
	das habe ich früher in der berechnet
	Präsentation. Und ich werde es tun
	weise darauf hin, dass ich sein werde
	Arbeiten, um Kombinationen von zu finden
	die Mischungsfaktoren, die erreichen
	so genau wie möglich in a
	kleinster quadratischer Sinn, ein Ideal
	Kurve, die von der erstellt wurde
	Praktiker, der das maximiert
	Menge des potenziellen Produkts, das
	könnte in einer Charge sein, während
	Minimierung der Menge der
	Verunreinigungen, die sie
	dachte realistisch eine Charge
	könnte enthalten. Also fange ich an
	Analyse, indem Sie zur Analyse gehen
	Menü, rufen Sie die Funktion
	Daten-Explorer. Dies hat Zeilen als
	Funktionen. Ich werde meine aufladen
	unterstellte Reihen, und dann gehe ich
	in meine Formulierung setzen
	Komponenten und meine Verarbeitung
	Spalte als Ergänzung
	Variable. Wir haben einen Ausweis
	Funktion, das ist Batch-ID. Hier ich
	Treten Sie ein. Ich kann die Funktionen sehen,
	sowohl die Überlagerung insgesamt als auch
	Ich kann die einzelnen Funktionen sehen.
	Dann kann ich das Ziel laden
	Funktion, die das Ideal ist.
	Und das wird das ändern
	Analyse, die sich ergibt, wenn ich
	Beginnen Sie mit der Modellierung
	Schritte. Das sind also hübsch
	einfache Funktionen, also bin ich einfach
	werde sie mit modellieren
	B Splines.
	Und dann gehe ich in meine
	funktionale DOE-Analyse.
	Dies wird zum Modell passen
	das verbindet die Eingänge in
	das Funktionsprinzip
	Komponenten und verbinden dann alle
	der Weg durch die
	Eigenfunktionen, um es so zu machen
	Wir sind in der Lage, die wiederherzustellen
	Gesamtfunktionen wie sie
	geändert, wie wir die variieren
	Mischungsfaktoren. Das
	funktionale Hauptkomponente
	Analyse hat gezeigt, dass
	Es gibt vier Dimensionen von
	Variation in dieser Antwort
	Funktionen. Um zu verstehen was
	sie meinen, lass uns weitermachen und
	Entdecken Sie mit dem FPC-Profiler.
	Sehen Sie sich diesen Bereich hier als an
	Ich passe FPC 1 an und wir können sehen
	dass diese FPC zugeordnet ist
	Spitzenhöhe. FPC2, so sieht es aus
	als wäre es eine Art Gipfel
	Enge. Es ist fast wie ein
	Auflösungsprinzip
	Komponente. Der dritte ist
	im Zusammenhang mit einer Art Knie auf
	die linke Seite des dominanten Gipfels.
	Und Peak 4 sieht so aus
	in erster Linie im Zusammenhang mit der
	Unreinheit, das ist es also
	zugrunde liegende Bedeutung ist von
	diese vier funktionsfähig
	Hauptkomponenten.
	Also haben wir unser Ziel charakterisiert
	als Maximierung des Produkts und
	Minimierung der Verunreinigung und
	das haben wir dem mitgeteilt
	Analyse durch dieses Ideal oder
	goldene Kurve, die wir geliefert haben
	der Beginn der FDE
	Übung machen wir. Um als zu bekommen
	so nah wie möglich an diesem Ideal
	Kurve schalten wir Wünschbarkeit ein
	Funktionen. Und dann können wir gehen
	heraus und maximieren Sie die Wünschbarkeit.
	Und wir finden das optimal
	Kombination von Eingaben ist etwa
	4,5% von
	Zutat vier, 2% von
	Zutat 6. 2,2% von
	Zutat 8 und 1,24% von
	Zutat 9 unter Verwendung der Verarbeitung
	Methode zwei. Lassen Sie uns überprüfen, wie
	Wir sind hier angekommen. Wir zuerst
	berechnete die fehlende Antwort
	Säulen. Dann fanden wir B-Spline
	Modelle, die zu diesen Funktionen passen
	gut in der FDE-Plattform. EIN
	funktionale Hauptkomponenten
	Analyse ergab, dass dort
	waren vier Eigenfunktionen
	Charakterisierung der Variation in
	diese Daten. Diese vier
	Eigenfunktionen wurden bestimmt
	über den FPC-Profiler zu jedem
	ein vernünftiges Thema haben
	Materie Bedeutung. Das Funktionale
	Die DOE-Analyse bestand aus
	Vorwärts beschneiden anwenden
	Auswahl zu jedem der
	individuelle FPC-Scores mit dem
	DOE-Faktoren als Eingangsvariablen.
	Und wir sehen hier, dass diese haben
	gefundene Kombinationen von
	Wechselwirkungen und Haupteffekte
	das war am prädiktivsten für
	jedes der Funktionsprinzipien
	Komponenten werden einzeln bewertet.
	Der funktionale DOE-Profiler
	hat alles elegant eingefangen
	Aspekte in einer Darstellung
	das erlaubt uns, die zu finden
	Formulierungsverarbeitungsschritt, der
	wird vorausgesagt, wünschenswert zu haben
	Eigenschaften gemessen durch hoch
	Ausbeute und geringe Verunreinigung.
	Jetzt können wir eine InfoQ erstellen
	Einschätzung der
	Generalisierbarkeit der Daten in
	Die Analyse. Also in diesem Fall
	wir sind mehr interessiert an
	wissenschaftliche Generalisierbarkeit, as
	Der Experimentator ist ein zutiefst
	sachkundiger Chemiker arbeitet
	mit dieser Verbindung. Also sind wir
	Ich werde mich mehr darauf verlassen
	ihre Fachkompetenz
	dann nach statistischen Grundsätzen
	und Werkzeuge wie Hypothesentests
	und so weiter. Das Ziel ist
	in erster Linie vorausschauend, aber die
	Generalisierbarkeit ist eine Art
	problematisch, weil die
	Experiment wurde nicht entworfen. Unser
	Fähigkeit, Wechselwirkungen abzuschätzen
	ist geschwächt für Techniken wie
	Vorauswahl und unmöglich
	über die Analyse der kleinsten Quadrate von
	das volle Modell. Weil die
	Die Studie wurde dort nicht randomisiert
	könnte nicht aufgezeichnete Zeit in sein
	Auftragseffekte. Wir haben nicht
	potenziell wichtige Kovariate
	Informationen wie Temperatur und
	Reaktionszeit. Dies schafft
	ein weiteres großes Fragezeichen
	in Bezug auf die Generalisierbarkeit.
	Wiederholbarkeit und
	Reproduzierbarkeit der Studie ist
	auch ein unbekannter hier wie wir
	keine Informationen über die
	Variabilität aufgrund der
	Mess-System. Glücklicherweise,
	Wir haben Tools wie JMPs
	Design bewerten, um zu verstehen
	das bestehende Design sowie
	Augment Design, das sehr kann
	die Verallgemeinerung verbessern
	Durchführung der Analyse.
	Augment kann Informationen verbessern
	über Haupteffekte und
	Interaktionen und eine zweite Runde
	des Experimentierens könnte sein
	randomisiert, um auch zu verbessern
	Generalisierbarkeit. Also jetzt bin ich
	Ich werde ein paar durchmachen
	einfache Schritte, um zu zeigen, wie es geht
	Verbesserung der Verallgemeinerung
	Leistung unserer Studie mit
	Entwurfswerkzeuge in JMP. Bevor ich
	Mach das, möchte ich darauf hinweisen
	dass ich die Daten nehmen musste und
	konvertiere es so, dass es war
	Proportionen eher als in
	Prozent. Ansonsten das Design
	Werkzeuge stimmten nicht wirklich überein
	mit den Daten sehr gut. Also wir
	Gehen Sie in den Evaluate Designer
	und dann laden wir unsere Ys und
	unsere Xs. Ich bat um die Fähigkeit dazu
	Interaktionen zweiter Ordnung verarbeiten.
	Dann ... ja, ich habe diese Warnung bekommen
	sagen, hey, das kann ich nicht
	weil wir nicht dazu in der Lage sind
	Schätzen Sie alle Wechselwirkungen
	gegeben den einen Faktor zu einer Zeit
	Daten, die wir haben. Also habe ich mich zurückgezogen
	oben. Wir gehen zur Erweiterung
	Designer, laden Sie alles auf,
	Augmentation einstellen. Wir werden wählen und ich-
	optimales Design, weil wir sind
	wirklich besorgt mit
	vorhergesagte Leistung hier.
	Und ich
	Stellen Sie die Anzahl der Läufe auf 148 ein.
	Der benutzerdefinierte Designer angefordert
	141 mindestens, aber ich ging zu
	148 nur um sicher zu gehen
	dass wir alle Fähigkeiten dazu haben
	Schätzen Sie alle unsere Interaktionen
	ziemlich gut. Danach ist es
	dauert ca. 20 Sekunden bis
	konstruiere das Design. Also jetzt
	dass wir das Design haben, bin ich
	werde die beiden am meisten zeigen
	wichtige Diagnosewerkzeuge in
	der Augment Designer für
	Bewertung eines Entwurfs. Auf der
	links haben wir den Bruchteil von
	Design Raum Grundstück. Das ist
	zeigt, dass 50% des Volumens
	des Designs hat
	eine Vorhersagevarianz also
	weniger als 1. So wäre ich
	äquivalent zum Rest
	Error. Also können wir bekommen
	besser als Messfehler
	Qualitätsvorhersagen über die
	Mehrheit des Designs. Auf der
	Richtig, wir haben die Farbkarte auf
	Korrelationen. Dies zeigt
	dass wir schätzen können
	alles ziemlich gut. Es gibt
	einige ... wegen der Mischung
	Einschränkung, wir bekommen einige
	starke Korrelationen zwischen
	Wechselwirkungen und Haupteffekte.
	Insgesamt sind die Auswirkungen fair
	sauber. Und die Interaktionen sind
	ziemlich gut von einem getrennt
	eine andere und die Haupteffekte
	sind ziemlich gut getrennt von
	auch einander. Nach dem
	Blick auf das Design
	Diagnose können wir die machen
	Tabelle. Hier habe ich das gezeigt
	Die ersten 13 der erweiterten Läufe
	und wir sehen, dass wir ... wir haben
	habe mehr Randomisierung. Wir nicht
	haben den gleichen Haupteffekt
	immer und immer wieder streifen.
	Das ist ein Beweis für besser
	Randomisierung und insgesamt die
	Design wird in der Lage sein
	viel besser schätzen die Haupt
	Effekte und Wechselwirkungen mit
	erhielt bessere, höhere Qualität
	Informationen in dieser zweiten Stufe
	des Experimentierens. Also die Eingabe
	Variablen, die Xs, sind genau
	Darstellungen der Mischung
	Proportionen, das ist also klar
	objektives Interesse. Das
	Die Antworten sind eng miteinander verbunden
	für die Menge des Produkts
	und Menge der Verunreinigung, die in ist
	die Chargen. Wir sind ziemlich gut darin
	7.1. Dort. Die Rechtfertigungen
	sind sauber. Nach dem Studium haben wir
	kann natürlich gehen vorbereiten a
	Charge, die die Formulierung ist
	das wurde von der FDOE empfohlen
	Profiler. Probieren Sie es aus und sehen Sie, ob
	Wir bekommen die Art von
	Leistung, die wir gesucht haben
	zum. Es ist sehr klar, dass das
	wäre der Weg, den wir können
	beurteilen, wie gut wir erreicht haben
	unsere Studienziele. Also jetzt unter dem
	letzte InfoQ-Dimension
	Kommunikation. Durch die Beschreibung der
	ideale Kurve als Ziel
	Funktion, die funktionale DOE
	Profiler macht das Ziel und die
	Ergebnisse des Analysekristalls
	klar. Dies kann aber zum Ausdruck gebracht werden
	auf einem Niveau, das leicht ist
	interpretiert von den Chemikern und
	Manager der F & E-Einrichtung.
	Und wie wir unsere detaillierten gemacht haben
	Bewertung der Informationsqualität,
	Wir waren offen über die
	Stärken und Schwächen der
	Studiendesign und Daten
	Sammlung. Wenn die Ergebnisse stimmen
	nicht verallgemeinern, wir sicherlich
	wissen, wo zu suchen, wo die
	Probleme waren. Sobald du wirst
	mit den Konzepten vertraut,
	Es ist ein schönes Add-In geschrieben
	von Ian Cox, die Sie verwenden können
	Machen Sie eine schnelle quantitative InfoQ
	Bewertung. Das Add-In hat
	Schieberegler für oben und unten
	Grenzen jeder InfoQ-Dimension.
	Diese Dimensionen werden kombiniert
	unter Verwendung einer Erwünschtheitsfunktion
	Ansatz für ein Gesamtintervall
	für den InfoQ links drüben.
	Hier ist eine Bewertung für die
	Daten und Analysen, die ich behandelt habe
	diese Präsentation. Das Add-In ist
	auch ein nützliches Denkwerkzeug, das
	wird Sie dazu bringen, jeden von
	die InfoQ-Dimensionen. Es ist auch ein
	praktische Art zu kommunizieren
	InfoQ-Bewertungen an Ihre
	Kunden oder an Ihr Management, als
	Es bietet eine übergeordnete Ansicht von
	Informationsqualität ohne
	mit viel technischer
	Konzepte und Jargon. Das Add-In
	ist auch nützlich als Grundlage für
	ein InfoQ-Vergleich. Meine
	ursprüngliche Hoffnung dafür
	Präsentation sollte ein wenig sein
	etwas ehrgeiziger. Ich hatte Hoffnung
	um die Analyse abzudecken, die ich hatte
	gerade durchgemacht, sowie
	eine andere einfachere, eine, bei der ich überspringe
	Eingaben der Antworten und Tun
	eine einfache multivariate lineare
	Regressionsmodell der Antwort
	Säulen. Heute kann ich nur
	bieten eine abschließende Bewertung davon
	Ansatz. Wie du siehst,
	mehrere der InfoQ
	Dimensionen leiden erheblich
	ohne die anspruchsvolleren
	Analyse. Es ist sehr klar, dass
	Die einfache Analyse führt zu
	viel niedrigerer InfoQ-Score.
	Die Obergrenze des Einfachen
	Analyse ist nicht viel höher
	als die Untergrenze der mehr
	anspruchsvolle. Mit
	Erfahrung werden Sie gewinnen
	Intuition darüber, was für ein guter InfoQ
	Punktzahl ist für Data Science
	Projekte in Ihrer Branche und
	nimm bessere Gewohnheiten auf als du
	wird nicht länger blind sein für die
	Informationsengpässe in Ihrem
	Datenerfassung, Analyse und
	Modellbereitstellung. Information
	Qualität mit einer einfachen Bedienung
	Schnittstelle. Dies war meine erste
	formale Informationsqualität
	Bewertung. Wenn ich für mich selbst spreche, dann,
	die Informationsqualität
	Rahmen hat Worte gegeben und
	Struktur zu vielen Dingen ich
	wusste schon instinktiv. Es
	ist schon geändert wie ich
	Ansatz neue Datenanalyse
	Projekte. Ich ermutige dich zu gehen
	durch diesen Prozess selbst weiter
	Ihre eigenen Daten, auch wenn diese Daten
	und Analyse ist schon sehr
	Ihnen vertraut. Ich garantiere
	dass du klüger bist und
	effizienterer Datenwissenschaftler
	deswegen. Danke.

AusbrechenDAMHIRSCHKUHVorausschauende Modellierung