349217_ko-KR

liliconcom

정보 품질 (InfoQ) 및 JMP® (2021-EU-45MP-750)로 데이터 과학 성공 극대화

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

레벨 : 중급

 

Ron Kenett, KPA 그룹 회장 및 Samuel Neaman Instiute, Technion
Christopher Gotwalt, JMP 이사, 통계 R & D, SAS

 

설계된 실험, 일반화 된 회귀에서 기계 학습에 이르는 데이터 분석이 가속화되는 속도로 배포되고 있습니다. 동시에, 결과의 재현성 및 잘못된 p- 값 해석에 대한 우려는 선의의 통계 분석이 잘못된 결론과 잘못된 결정으로 이어질 수 있음을 나타냅니다. 데이터 분석 프로젝트가 목표를 제대로 수행하려면 사용 가능한 데이터와 도구에서 파생 된 결론의 범위와 강도를 평가해야합니다. 통계 전략에 초점을 맞추려면 프로젝트의 구성 요소 (목표, 데이터 수집 절차, 데이터 속성, 제공된 분석 등)를 분리하는 프레임 워크가 필요합니다. InfoQ 프레임 워크는이 평가를위한 구조화 된 절차를 제공합니다. 또한 JMP에서 InfoQ를 쉽게 운영 할 수 있습니다. 이 프레젠테이션에서는 InfoQ에 대한 개요를 소비자 연구 및 제약 제조에서 얻은 사용 사례 연구와 함께 제공하여 InfoQ를 평가하는 데 JMP를 사용하는 방법을 설명하고 높은 InfoQ와 낮은 InfoQ의 상황을 모두 강조합니다. 또한 더 많은 데이터를 수집하지 않고도 향상된 연구 설계를 통해 정보 품질을 높이기 위해 JMP를 사용할 수있는 방법을 보여주는 팁도 제공합니다. 이 강연은 숫자를 정보로 바꾸는 일을하는 통계 학자, 기계 학습 전문가 및 데이터 과학자를 대상으로합니다.

 

 

자동 생성 스크립트 ...

 

스피커	성적 증명서
	안녕하세요.
	제 이름은 Ron Kenett입니다. 이
	Chris와의 공동 대화입니다.
	Gotwalt와 우리는 기본적으로
	두 개의 메시지가있다
	그것은 밖으로 나와야
	이야기. 하나는 우리가
	정말 걱정
	정보 및 정보
	품질. 사람들은 말하는 경향이 있습니다.
	데이터 및 데이터 품질에 대해
	데이터는 실제로 문제가 아닙니다.
	우리는 통계 학자입니다. 우리는
	데이터 과학자. 우리는 숫자를 바꾼다.
	데이터를 정보로 변환하여
	우리의 목표는
	우리는 고품질을 생성합니다
	정보. 다른 메시지
	JMP가 당신을 도울 수 있다는 것입니다
	그것을 달성하고 이것은
	실제로는
	놀라운 방법. 그래서 결합하여
	Chris의 전문 지식과
	정보 소개
	품질, 우리는이 두
	메시지가 올 것이다
	분명히. 그래서 만약 내가
	우리가 무엇인지 요약
	결국 얘기하고 싶어요
	정보에 관한 모든 것
	품질. 나는 연설을했다
	4 년 동안 프라하에서 열린 정상 회의에서
	그 이야기는 일반적이었습니다.
	그것은 움직이는 것에 대해 이야기했습니다.
	디자인으로 품질에서 여행.
	정보를하는 나의 여정
	품질. 이 강연에서 우리는
	이것이 어떻게 할 수 있는지
	JMP. 이것은 더 자세한
	기술적 인 이야기보다
	내가 프라하에서 한 일반적인 강연.
	그 이야기를 볼 수 있습니다.
	여기에 링크가 나열되어 있습니다. 당신은 할 수 있습니다
	JMP 커뮤니티에서 찾아보세요.
	그래서 우리는
	정보 품질, 즉
	데이터 세트의 잠재력,
	특정 데이터 세트,
	특정 목표, 특정 목표,
	주어진 경험적 방법으로.
	그래서 그 정의에서 우리는
	세 가지 구성 요소
	나열됩니다. 하나는 특정 데이터입니다.
	세트. 다음은 데이터입니다. 그만큼
	두 번째는 목표입니다.
	분석의 목표, 무엇
	우리가 성취하고자하는 것입니다.
	세 번째는 우리가
	즉, 무엇으로
	생성 할 메서드
	정보와 그 잠재력
	평가 될 것입니다
	유틸리티 기능. 그리고 나는
	소개로 시작
	정보 품질, 그리고
	Chris가 인계 할 것입니다.
	사례 연구를 논의하고
	수행 방법을 보여줍니다
	정보 품질 평가.
	결국 이것은
	JMP가 어떻게
	InfoQ를 지원합니다.
	글 머리 기호가 될 것입니다
	당신이 할 수있는 ...
	이야기에서. 설정
	이것은 우리가 권장하는 것입니다
	내가 수명주기보기라고 부르는
	통계. 다시 말해,
	데이터 분석 만이 아닙니다.
	우리는 알아야합니다 ... 우리는 일부가되어야합니다
	문제 도출의
	단계. 또한 목표
	가치가있는 공식화 단계
	토론. 우리는
	분명히 참여
	데이터 수집 체계 인 경우
	실험을 통해 또는
	조사 또는 관찰을 통해
	데이터. 그런 다음 우리는 또한
	의 공식화 시간
	결과가 아니라
	에 인쇄 된 보고서
	회귀 계수
	추정치 및
	중요하지만 우리는
	또한 무엇인지 논의
	결과? 운영 화
	결과 의미, OK, 무엇을 할 수 있습니까?
	이러한 결과로 무엇을합니까? 무엇인가
	의 의미
	결과? 이건 ...
	의사 소통이 필요합니다
	올바른 방법으로 올바른 사람,
	그리고 결국 우리는
	알아낼 영향 평가,
	좋아요, 우리는이 모든 것을했습니다. 무엇을
	우리의 부가가치
	작업? 나는 인생에 대해 이야기했다
	몇 년 동안의 통계주기
	전에. 이것이 전제 조건입니다.
	무엇에 대한 관점
	얘기 할게요. 그래서 나는
	언급, 정보
	품질은
	달성하기 위해 특정 데이터 세트
	주어진을 사용하여 특정 목표
	경험적 분석 방법. 이
	4를 통해 식별됩니다
구성 요소	목표, 데이터,
	분석 방법 및
	유틸리티 측정. 그래서
	수학적 표현,
	x에 f를 적용하는 효용,
	목표에 대한 조건은 우리가
	InfoQ, 정보 식별
	품질. 이것은 출판되었습니다
	왕립 통계 학회
	2013 년 시리즈 A 8 개
	토론자, 그래서 충분히
	논의되었습니다. 어떤 사람들은
	이것은 환상적이었고 일부
	사람들은 많은 비판을했습니다
	그 아이디어, 그래서 이것은 더 넓은
	무엇에 대한 범위 고려
	통계에 관한 것입니다. 또한 우리
	2006 년에 쓴 우리는
	그리고 Galit Shmueli,
	정보 품질. 그리고
	정보의 맥락
	품질 우리는
	해체. David Hand는
	해체라는 논문
	통계. 이것이
	정보의 분해
	품질을 8 차원으로 나는
	이 8 가지 차원을 다룰 것입니다.
	그게 내 부분이고
	그러면 Chris는 이것이 어떻게
	특정에서 구현됩니다
	사례 연구.
	관련된 또 다른 측면
	이것은 내가 가진 또 다른 책입니다.
	이것은 최근, 1 년 전
	The Real Work of Data
	과학과 우리는 무엇에 대해 이야기합니다
	데이터의 역할
	조직의 과학자 및
	그 맥락에서 우리는
	데이터 과학자의 필요성
	세대에 관여
	정보로서의 ... 정보
	목표를 충족하는 품질
	조직. 그래서 나에게
	8 차원을 다룹니다. 그건
	그게 제 소개입니다. 그만큼
	첫 번째는 데이터 해상도입니다. 우리
	목표가 있습니다. 좋아, 우리는
	독감의 수준을 알고 싶어
	왜냐하면 국가 또는
	우리가 사는 지역은
	우리의 결정에 영향을 미칠 것입니다
	공원에 갈지 여부
	우리는 사람들을 만나거나
	재즈 콘서트에. 그리고
	콘서트는 내일입니다.
	CDC 데이터를 조회하면
	독감의 수준, 그 데이터는
	매주 업데이트되므로
	그래프의 빨간색 선은
	당신 앞에 있기 때문에 우리는
	며칠의 데이터를 얻을 수 있습니다
	전, 아마도 좋을 수도, 좋지 않을 수도 있습니다
	우리 금에 충분합니다. Google 독감,
	검색 기반
	독감과 관련된 업데이트
	순간적으로 업데이트됩니다.
	온라인, 그것은 아마 줄 것입니다
	우리에게 더 나은 정보. 그래서
	우리의 목표, 파란색 선,
	Google 트렌드 ... Google 독감
	트렌드 지표는 아마도
	더 적절합니다. 두번째
	차원은 데이터 구조입니다.
	우리의 목표를 달성하기 위해 우리는
	데이터를보세요. 우리는 ...
	데이터 소스를 식별해야합니다.
	이 데이터의 구조
	출처. 따라서 일부 데이터는
	텍스트, 일부는 비디오, 일부는
	예를 들어
	추천 네트워크. 이
	Amazon 사진입니다.
	당신은 책을 보면, 당신은
	좀 얻을거야
	다른 책을 추천합니다. 그리고 만약
	이 다른 책을 보면
	당신은 더 많은 데이터를 가질 것입니다
	추천합니다. 그래서 데이터
	구조는 모든 종류로 올 수 있습니다
	모양과 형태의
	텍스트입니다. 이것은 기능적 일 수 있습니다.
	데이터. 이것은 이미지 일 수 있습니다. 우리는
	지금 우리가 사용한 것에 국한되지 않습니다
	데이터를 호출하는 것입니다.
	Excel 스프레드 시트에서 찾습니다.
	데이터가 손상되었을 수 있습니다.
	누락 된 값이있을 수 있습니다.
	특이한 패턴이
	그것은
	조사 할 무언가. 약간
	패턴, 사물이있는 곳
	반복. 아마도 일부 데이터
	복사하여 붙여 넣기 만하면됩니다.
	경고를 받고 싶다
	그러한 옵션. 세 번째
	차원은 데이터 통합입니다.
	데이터를 고려할 때
	이러한 다양한 소스, 우리는
	통합 할 것이므로
	분석 연계를 할 수 있습니다
	ID를 통해. 예를 들어, 우리
	하지만 그렇게하면서
	몇 가지 문제를 만들 수 있습니다.
	예, 데이터 공개에서
	그것은 일반적으로
	익명화. 데이터
	통합, 예,
	우리가 환상적인 일을 할 수 있도록
	하지만 데이터가
	프라이버시 노출이있다
	문제, 어쩌면 품질
	정보의
	우리가 할 분석
	될 것입니다
	체하는. 따라서 데이터 통합
	매우, 매우 조사되어야합니다
	조심스럽게. 이것은 사람들이
	ETL을 호출하는 데 사용되었을 가능성이 있음
	추출, 변환 및로드. 우리
	이제 훨씬 더 나은 방법을
	그렇게. 조인 옵션
	예를 들어 JMP에서는
	이를위한 옵션입니다.
	시간적 관련성. 좋습니다.
	꽤 명확합니다. 데이터가 있습니다. 그것은
	어떻게 든 찍혔습니다. 우리가 가면
	나중에 분석을 수행하려면
	데이터 수집 후
	우리가 배포하는 경우
	나중에 고려하면
	데이터는 일시적이지 않을 수 있습니다.
	관련된. 공통적으로
	상황, 비교하고 싶다면
	지금 무슨 일이 일어나고 있는지, 우리는
	이것을 만들 수있는 것을 좋아한다
	최근 데이터와 비교 또는
	전염병 이전의 데이터
	시작되었지만 10 년이 아님
	일찍이. 공식 통계
	건강 기록에 두 가지
	또는 3 년 뒤
	그것은 매우
	공무원의 사용이 어렵다
	평가 통계
	무슨 일이야
	감염병 세계적 유행. 데이터 및
	목표는 결정과 관련이 있습니다.
	우리의 결과로
	골. 예를 들어
	목표는 대기 질을 예측하는 것입니다.
	우리는 약간을 사용할 것입니다
	공중에 예측 모델
	품질 지수는
	일일 기준. 이것은 우리에게 하나를 준다
	위험에서 6 단계로
	좋은. 몇 가지 가치가 있습니다
	수준을 나타내는
	건강 문제. 0-50이 좋습니다.
	300-500은 위험하며
	데이터 및 목표의 연대기
	우리가 할 수 있어야 함을 의미합니다
	매일 예보를하다
	기초. 그래서 우리가 사용하는 방법은
	매일 업데이트되어야합니다.
	기초. 반면에
	우리의 목표는
	이 AQI 인덱스가 계산되면
	에 실제로 묶여 있지 않습니다
	분석의 적시성.
	알다시피, 우리는 우리의
	시각. 긴급함은 없습니다
	분석 완료
	일일 기준. 일반화,
	여섯 번째 차원은
	우리의 발견과
	이것이 어디에서 할 수 있는지 고려
	보다 일반적인 용어로 적용하면
	다른 인구, 모두
	상황. 이것은 할 수 있습니다
	직관적으로. 마케팅 관리자
	에 대한 연구를 보았다
	시장, 그것을 A라고 부르 자, 힘
	이미 무엇인지 이해
	시장 B에 미치는 영향
	데이터없이. 사람들은
	물리학 자들은
	기반으로 예측하다
	첫 번째 원칙에 대한 역학
	데이터없이.
	일부 일반화 가능성
	데이터로 이루어집니다. 이것이
	통계의 기초
	일반화, 우리가가는 곳
	모집단에 샘플.
	통계적 추론은
	일반화. 우리는 일반화합니다
	샘플에서
	인구. 그리고 일부는
	즉, 도메인 기반,
	전문 지식, 도메인 사용
	반드시 필요한 것은 아닙니다.
	데이터. 우리는 그것을 인식해야
	일반화는 단지
	통계로 끝났습니다.
	일곱 번째 차원은
	운영 화 구축,
	그것은 정말로 그것이 무엇인지에 관한 것입니다
	우리가 측정합니다. 우리는
	행동, 감정, 무엇을 평가
	우리가 측정 할 수 있다는 것입니다.
	반영하는 데이터를 제공합니다
	행동이나 감정.
	내가 여기에주는 예
	일반적으로 통증입니다.
	우리는 고통이 무엇인지 압니다. 어떻게
	우리는 그것을 측정합니까? 당신이 가면
	병원에서 간호사에게 물어 보면
	고통을 어떻게 평가합니까?
	우리에게는 저울이 있습니다.
	1에서 10. 그것은 매우
	질적,별로
	과학적입니다. 우리가
	수준을 측정하고 싶다
	운전자의 알코올 ...
	도로, 그것은 어려울 것입니다
	법안. 그래서 우리는
	대리 측정으로 속도.
	의 또 다른 부분
	운영 화는 다른 것입니다
	이야기의 끝. 다른
	단어, 첫 번째 부분,
	구성은 우리가 측정하는 것입니다.
	우리의 목표를 반영합니다. 더
	끝 ... 여기서 최종 결과는
	우리는 결과가 있고 우리는
	그들과 무언가를하십시오. 우리는 원한다
	우리의 발견을 운영하기 위해.
	이것이 바로 행동입니다
	운영 화에 관한 것입니다.
	그것은 당신이 무엇을하는지에 관한 것입니다.
	결과 및 존재
	여기 연단에 발표되었습니다. 우리
	세 가지 질문을하는 데 사용되었습니다.
	이것들은 매우 중요합니다
	물어볼 질문. 일단 당신이
	몇 가지 분석을 수행했습니다.
	당신 앞에 누군가
	오, 정말 감사합니다
	넌 끝났어 ... 너, 통계 학자
	또는 데이터 과학자. 그래서 이거
	한 단계 더 나아가
	고객에게 물어 보게
이 간단한 질문	무엇을
	성취하고 싶습니까? 어떻게
	당신은 그것을하고 어떻게 당신은
	당신이 성취했는지 알아
	그? 답변을 도와 드릴 수 있습니다.
	최소한 지원, 이들 중 일부
	우리가 대답 한 질문.
	여덟 번째 차원은
	통신. 나는 당신에게
	아주 유명한 옛날의 예
	19 세기지도,
	의 행진을 보여주고 있습니다
	프랑스에서 나폴레옹 군대
	모스크바에서 러시아로. 당신은
	숫자는 너비입니다
	경로는 크기를 나타냅니다
	군대의, 그리고 계속
	블랙 당신은 무슨 일이 일어 났는지 볼
	돌아 오는 길에 있습니다.
	그래서 기본적으로 이것은
	비참한 행진. 우리 우리 우리 우리
	이 오래된지도를
	기존지도가 있고
	JMP 추가 기능.
	JMP 커뮤니티에서 찾아
	버블 플롯으로 보여줍니다.
	동적 버블이 무엇을
	처럼 보입니다. 그래서 나는
	매우 빠르게 여덟 정보
	품질 차원. 내 마지막
	슬라이드는 내가 말한 것입니다
	역사에서
	관점, 정말 넣어
	내가 말하는 것에 비례합니다.
	나는 우리가 정말로 시대에 있다고 생각합니다
	정보 품질의. 우리는 사용했었다
	제품에 관심
	18 세기의 품질,
	17 세기. 그런 다음 우리는
	공정 품질 및 서비스
	품질. 짧은 메모입니다
	관리도를 제안 할 때
	1924 년이라고 생각합니다.
	그런 다음 경영진으로 이동합니다.
	품질. 이것은 Juran입니다
	디자인, 개선의 3 부작
	그리고 통제. 식스 시그마 (정의,
	측정, 분석, 개선)
	제어 과정은
	Juran의 개선 과정,
	그리고 Juran은 조부였습니다.
	그런 의미에서 Six Sigma의.
	그러다 80 년대에 타구 치가
	에. 그는 강력한
	디자인. 어떻게 처리 할 수 있습니까?
	적절한 입력의 가변성
	디자인 결정? 그리고 이제 우리는
	정보화 시대
	품질. 센서가 있습니다. 우리
	유연한 시스템이 있습니다. 우리는
	AI와 기계에 따라
	학습 및 데이터 마이닝과
	큰 큰 큰
	하지만 우리는 큰
	데이터. 정보에 대한 관심
	품질은 프라임 프라임이어야합니다.
	관심. 나는 시도하고
	도움을 받아
	크리스의.
	우리는 여기 있고 JMP는
	우리가 그것을 달성하도록 도와주세요.
	정말 특이한 방법입니다.
	마지막에 보게 될 것
	Chris가 할 사례 연구
	쇼는 또한 그것을하는 방법입니다
	정보 품질 평가 및
	특정 연구에서 기본적으로
	정보 품질을 생성하다
	점수. 따라서 하향식으로 이동하면
	이 연구를 말할 수 있습니다.
	이 분석은 80 % 또는
	아마 30 % 또는 95 % 일 것입니다.
	그리고 예제를 통해
	방법을 참조하십시오. 이있다
	이를 제공하는 JMP 추가 기능
	평가. 그것은 실제로
	아주 쉽습니다. 거기
	정말 정교한 것은 없다
	그것에 대해. 그래서 나는 끝났고
	크리스. 고마워, 론. 그래서
	이제 나는
	방식으로 데이터 세트 분석
	명시 적으로 호출하는
	정보의 다양한 측면
	품질과 JMP가 어떻게 될 수 있는지 보여
	개선을 평가하는 데 사용
	InfoQ 용. 그래서 먼저, 나는
	InfoQ를 살펴볼 것입니다.
	구성 요소. 첫 번째 InfoQ
	구성 요소가 목표이므로
	이 경우 문제 진술
	화학 회사 였어요
	다음과 같은 공식을 원했습니다.
	제품 수율 극대화
	성가신 불순물 최소화
	그 반응의 결과입니다.
	이것이 높은 수준의 목표였습니다.
	통계적 측면에서 우리는
	정확한 모델을 찾기 위해
	데이터에 대한 반응을 예측했습니다.
	우리가 찾을 수 있도록 설정
	성분의 조합
	리드 할 처리 단계
	더 나은 제품으로.
	데이터는 100으로 설정됩니다.
	실험 제형
	하나의 주요 성분, X1 및
	10 가지 첨가제. 또한
	13의 처리 계수
	응답. 데이터는
	완전히 제작되었지만
	같은 것을 설명하기 위해 시뮬레이션
	의 강점과 약점
	원본 데이터. 자료
	제형도 만들어졌다
	녹음되었습니다. 우리는 볼 것입니다
	이 데이터는 밀접하게 관련되어 있으므로
	지적하는 것 이상으로 정교하게
	그들은에서 수집되었다
	임시 방법, 하나 또는 둘 변경
	대신 한 번에 첨가제
	설계 또는 무작위
	실험. 많이 있습니다
	이 데이터를 분석하는 방법,
	가장 일반적인 것
	정사각형 모델링
	선택한 응답에 대한 선택.
	그게 내 원래 의도 였어
	이 강연을 위해하지만 제가
	Ron에게 데이터를 보내면 즉시
	응답 열을 인식
	분석에서 시계열로
	화학. 비록 데이터가
	시뮬레이션되었습니다. 그는
	구조. 그는 사물을 볼 수 있었다
	내가 보지 못한 데이터에서
	그리고 그것을 읽지 않았습니다. 나는 발견했다
	이것은 놀랍게도
	감동적인. 그것은 넘어
	이 이야기의 범위가 있지만
	더 나은 접근 방식
	앙상블 모델링 사용
	부분 가중치
	부트 스트래핑. 필 램지,
	Wayne Levin과 나는 또 다른
	이 방법론에 대해
	유럽 발견
	올해 회의. 그만큼
	접근이 유망하기 때문에
	데이터에 모델을 맞출 수 있습니다.
	보다 적극적인 상호 작용
	실행이 있습니다. 네 번째이자 마지막
	정보 품질의 구성 요소
	유용성입니다.
	우리의 목표를 평가할 수 있습니다. 또는
	우리가 얼마나 잘했는지 어떻게 측정합니까
	우리의 목표를 평가 했습니까? 거기에
	여기에있는 도메인 측면
	우리가 원하는 경우
	이어지는 공식화
	최대 수율 및 최소화
	후 처리에서 낭비
	재료. 통계
	분석 유틸리티는
	우리가 맞는 모델. 우리는
	거기로가는 것은 최소한이다
	우리 모델의 제곱 정확도
	우리가 얼마나 잘 할 수 있는지에 대한 조건
	무엇을 ... 무엇을 예측
	후보자의 결과
	제형의 조합 ...
	혼합 요인. 이제 나는 간다
	일련의 질문을 통해
	자세한 InfoQ를 구성하는
	에 조직 된 평가
	정보의 8 차원
	품질. 나는 지적하고 싶다
	모든 질문이
	다른 것과 똑같이 관련
	데이터 과학 및 통계
	프로젝트, 그리고 이것은
	경직된 교리를 의도했지만
	오히려 일련의
	스스로에게 물어 보는 것이 좋습니다.
	이 질문은 일종의
	데이터 분석 지혜의
	단순한 것보다 더 넓게 보입니다.
	특정의 응용
	통계 기술. 사본
	이 스프레드 시트의
	에 대한 포인터와 함께 질문
	가장 많은 JMP 기능
	대답에 유용합니다
	특정 하나가 업로드됩니다
	함께 JMP 커뮤니티에
	이 강연과 함께 사용하세요. 같이
	질문을 진행합니다.
	나는 분석을 시연 할 것이다
	JMP의 데이터. 그래서 질문 1
이다	사용 된 데이터 척도입니다.
	명시된 목표와 일치합니까? 그래서
	우리가 구성한 X
	단일 범주 형 변수
	처리 및 11 연속
	입력. 이들은 측정됩니다
	백분율로 표시되며
	반 퍼센트로 기록되었습니다. 우리
	총 금액이 없습니다
	성분 만
	백분율. 합계는
	손실 된 정보
	또는 기록하지 않았습니다. 있습니다
	잠재적으로 중요한 기타
	정보의 조각
	여기서 누락되었습니다. 사이의 시간
	배치를 공식화하고
	측정이 사라졌습니다.
	그리고 다른 것이있을 수 있었다
	공변량 수준 정보
	여기에 누락되었습니다
	조건을 설명
	반응이 일어났습니다.
	나보다 더 많은 정보없이
	가지고, 얼마나 중요한지 말할 수 없습니다
	이런 종류의 공변량 정보
	이었을 것입니다. 우리는
	당일 정보
	배치로 사용할 수 있습니다.
	아마도 대리. 전반적으로 우리
	바라건대, 가장 많은 것을 가지고
	중요한 입력뿐만 아니라
	응답 측정
	최적화하고 싶습니다. 우리는 가질 수 있었다
	더 많은 정보가 있었지만
	시도하기에 충분히 유망 해 보인다
	및 분석. 두번째
	데이터 관련 질문
	해상도는 얼마나 신뢰할 수 있고
	정확한 측정 장치
	및 데이터 소스. 그리고 사실
	우리는 많은
	여기에 특정 정보가 있습니다. 그만큼
	통계 학자 내부
	회사는 더 많았을 것입니다
	정보. 이 경우 우리는
	믿을 수밖에 없다
	공식화 된 화학자와
	혼합물을 잘 기록했습니다. 그만큼
	데이터와 관련된 세 번째 질문
해상도는	데이터입니다
	데이터에 적합한 분석
	집계 수준? 그리고
	여기에 대답은 예입니다.
	그들의 측정 시스템은
	정확하고 데이터가
	충분히 깨끗합니다. 우리가 뭘
	실제로하는 것은
	우리는 사용할 것입니다
	기능 데이터 탐색기
	기능적 원리 추출
	데이터 인 구성 요소
	파생 된 종류의 데이터
	집합. 그리고 우리는
	그것들을 모델링 할 것입니다.
	기능적 주성분
	입력 변수 사용. 그래서
	이제 우리는 데이터로 이동합니다.
	구조 차원 및
	우리가 묻는 첫 번째 질문은
	사용 된 데이터는
	명시된 목표? 그리고 나는
	대답은 여기에 분명한 예입니다. 우리는
	최대화하려고
	수율. 측정 값이 있습니다.
	그 입력은
	Xs로 기록됩니다. 두 번째 데이터
	구조 질문은 어디에
	일이 정말 일어나기 시작합니다
	나에게 흥미 롭다. 그래서 이것은
	무결성 세부 사항입니다
	(이상치, 결 측값, 데이터
	부패) 설명 된 문제 및
	적절하게 처리 되었습니까? 그래서
	여기에서 JMP를 사용하여
	이상 치가 어디에 있는지 이해하기 위해
	에 대한 전략을 파악합니다.
	결 측값에 대해해야 할 일,
	그들의 패턴을 관찰하고
	의 위에. 그래서 이것은 여기입니다
	상황이 조금 나아질거야
	좀 더 흥미 롭습니다. 첫번째
	우리가하려고하는 것은
	있는지 확인할 것입니다
	데이터의 이상 값은
	걱정할 필요가 있습니다. 그래서
	이를 위해 우리는 갈 것입니다
	탐험 이상치로
	상영에서 플랫폼
	메뉴. 우리는로드 할 것입니다
	응답 변수 및
	이것은 다 변수 설정입니다.
	우리는 새로운 기능을 사용할 것입니다
	Robust라는 JMP Pro 16에서
	PCA 이상치. 그래서 우리는 어디에서
	그 안에 큰 잔차가 있습니다.
	파레토 유형 플롯의 종류입니다.
	어디에 있는지 보여주는 스냅 샷이 있습니다.
	잠재적으로
	비정상적으로 큰 관측. 나는
	정말이게 보인다고 생각하지 마십시오
	나에게 너무 이례적이거나 걱정 스럽다.
	큰 이상 값을 저장할 수 있습니다.
	데이터 테이블에 추가 한 다음
	배포판에
	플랫폼과 우리가 보는 종류
	정규 분포처럼 보입니다.
	가운데를 빼낸 채로. 그래서 나는
	이것이 데이터라고 생각하십시오
	같은 종류의
	인구와 아무것도 없습니다
	여기에 대해 정말 걱정해야합니다.
	이상치. 그래서 일단 우리가
	이상치 처리
	우리가 들어가 탐구하는 상황
	누락 된 값. 그래서 우리는
	먼저 할 것입니다.
	Y를로드하려면 ...
	플랫폼, 그리고 우리는
	누락 된 값을 사용하려면
	어떤 패턴을 보려면 스냅 샷
	그들은 우리의 실종 중입니다
	가치. 그것은
	누락 된 값은
	수평 클러스터, 그리고
	또한 동일한 결 측값
	행에 걸쳐. 그래서 당신은 그것을 볼 수 있습니다
	여기에 검은 얼룩이 있습니다.
	그런 다음 우리는
	자동화 된 데이터 대치,
	진행하고 저장합니다
	대치하는 공식 열
	새로운 결 측값
	회귀 유형을 사용하는 열
	에 의해 개발 된 알고리즘
	Milo라는 박사 과정 학생
	NC State의 페이지. 그래서 우리는 놀 수 있습니다
	조금 주위에 그리고
	ADI가 어떻게
	알고리즘이 작동합니다. 그래서 그것은
	다음 수식 항목을 만들었습니다.
	요소를 벗겨내는
	ADI 대치 컬럼, 즉
	벡터 수식 열 및
	점수 대치 함수
	예상을 계산하고 있습니다
	주어진 결측 셀의 값
	누락되지 않은 셀
	누락 된 값이 있습니다. 그리고 그것은
	그냥 비를 통해 운반
	누락 된 값. 그래서 당신은 207을 볼 수 있습니다
	YO ... Y6 거기. 처음에는
	207하지만 다음으로 변경합니다.
	누락되고 지금
	234로 전가됩니다.
	그래서 저는 이것을 몇 번 할 것입니다.
	당신은 그것이 어떤지 볼 수 있습니다
	일. 그래서 여기에 큰
	Y7에 대한 값이며 지금입니다.
	교체되었습니다. 그리고 우리가 내려 가면
	행을 추가합니다.
	그러면 모든 누락 된 값이 있습니다.
	처음에 열은
	대체됩니다
	전가. 내가 가면
	앞서 일부에 대한 값을 추가
	누락 된 세포는
	조건부 시작
	아직 실종에 대한 기대
	정보를 사용하는 셀
	그게 없어진 것입니다 ....
	누락되지 않은 것. 그래서 우리 다음
	데이터 구조에 대한 질문은
	분석 방법입니다
	데이터 구조에 적합합니까?
	11 개의 혼합물 입력이 있습니다.
	및 처리 변수
	범주. 그들은 가고있다
	최소한의 입력으로
	사각형 유형 모델. 우리는
	13 개의 연속 응답 및
	다음을 사용하여 모델링 할 수 있습니다.
	개별적으로 최소 사용
	사각형. 또는 우리는 모델링 할 수 있습니다
	기능적 원칙
	구성 요소. 이제 ...
	문제. X는 ...
	입력 변수가 없습니다
	전혀 무작위입니다. 그것은 매우
	그들이 죽을 것이라는 것을 분명히
	하나 이상의
	화합물과 이동
	다른 하나에. 그래서
	순서대로
	입력 변수가 다양했습니다.
	우연한 일이었습니다. 그것은
	무작위 화의 명확한 부족
	그것은 부정적인 것입니다
	일반화 가능성에 영향을 미칩니다.
	결론의 강점입니다.
	데이터 통합은 세 번째
	InfoQ 차원. 이 데이터
	수동으로 입력 된 랩 노트
	주로 혼합물로 구성
	백분율 및 장비
	판독. 우리는
	데이터가 입력되었음을
	올바르게 그리고 X가
	응답과 적절하게 일치합니다.
	그렇지 않은 경우
	모델은 심각한 편견을 가질 것입니다
	문제가 있고
	일반화 문제.
	통합은 더 많은 문제입니다
	관찰 데이터와 함께
	기계의 과학 문제
	실습보다 학습 연습
	이와 같은 실험. 이기는 하지만
	여기에는 적용되지 않습니다.
	그 프라이버시를 지적하고
	기밀 유지 문제는
	모델링하여 식별
	데이터의 민감한 부분을 사용하여
	게시 할 구성 요소
	데이터에서. 결과
	모델이 예측되면
	그 프라이버시를 염려해야
	우려 사항이 충족되지 않았습니다. 일시적인
	관련성은
	운영 시간 순서
	데이터 수집, 분석 및
	배포 및 차이 여부
	그 단계 사이에
	유용성 감소
	연구의 정보.
	이 경우 우리는 단순히
	재료가 공급되기를 바랍니다.
	합리적으로 일관성 있고
	테스트 장비는
	상당히 정확합니다.
	이것에 검증 할 수없는 가정
	포인트. 시간 해상도 우리
	데이터 수집이
	즉, 낮 수준에서
	별로 방법이 없다는
	시간이 있는지 확인할 수 있습니다
	매일 변화.
	데이터와 목표의 연대기는
	가용성에 대해
	측면에서 모두 관련 변수
	변수가
	데이터에 전혀 존재하지 않거나
	올바른 정보인지 여부
	모델이
	배포됩니다. 예측 용
	모델, 이것은 모델과 관련이 있습니다.
	유사한 데이터에 적합
	그 당시에 무엇이있을 것인가
	모델이 평가됩니다
	새로운 데이터. 이런 식으로 우리의 데이터는
	세트는 확실히 괜찮습니다. 에 대한
	그러나 인과 관계를 확립하고
	우리는 거의 좋지 않습니다
	부족하기 때문에 모양
	무작위 화는 시간을 의미합니다.
	효과 및 요인 효과는
	혼란에 빠지다
	우리 추정치에서. 내인성,
	또는 역 인과 관계, 수
	여기에서 분명히 문제가됩니다.
	온도 및
	반응 시간은 분명히
	응답에 영향을 주지만
	기록되지 않은 채로 남아 있습니다. 사무용 겉옷,
	우리가 모르는 것이 많다
	이 차원에 대해
	정보 품질 감각.
	나머지 InfoQ
	평가가 될 것입니다
	유형에 따라
	우리가하는 분석. 그래서 이것에
	제가 계속해서
	이 데이터의 분석을 수행
	기능 데이터 사용
	JMP Pro의 Explorer 플랫폼
	이를 통해 모델링 할 수 있습니다.
	동시에 모든 열
	기반으로하는 방식으로
	기능적 주요 구성 요소,
	최대 금액을 포함하는
	모든 정보에 대한
	에 표시된 열
	가능한 가장 효율적인 형식입니다.
	나는 일할 것입니다
	대치 된 버전의 열
	앞서 계산 한
	표시. 그리고 나는
	내가 될 거라고 지적
	조합을 찾기 위해 노력
	달성하는 혼합 요인
	가능한 한 가깝게
	최소 제곱 감각, 이상
	에 의해 만들어진 곡선
	최대의 실무자
	잠재적 인 제품의 양
	배치 될 수있는 동안
	금액 최소화
	그들이 불순물을
	현실적으로 일괄 생각
	포함 할 수 있습니다. 그래서 나는
	분석으로 이동하여 분석
	메뉴에서 기능을 불러옵니다.
	데이터 탐색기. 다음과 같은 행이 있습니다.
	기능. 나는 내
	대치 행, 그리고 나는 갈거야
	내 공식에 넣어
	구성 요소 및 내 처리
	보충 칼럼
	변하기 쉬운. 우리는 ID가 있습니다
	함수, 그것이 배치 ID입니다. 여기 내가
	들어 오세요. 기능을 볼 수 있습니다.
	모두 오버레이 및
	개별 기능을 볼 수 있습니다.
	그런 다음 타겟을로드 할 수 있습니다.
	이상적인 기능입니다.
	그리고 그것은
	한 번 결과 분석
	모델링 시작
	단계. 그래서 이것들은 예쁘다
	간단한 기능이므로
	그들을 모델링 할 것
	B 스플라인.
	그런 다음 내
	기능적 DOE 분석.
	이것은 모델에 맞을 것입니다
	입력을 연결하는
	기능적 원칙
	구성 요소를 모두 연결 한 다음
	통해 방법
	그렇게하는 고유 함수
	우리는 복구 할 수 있습니다
	전반적인 기능
	변경됨에 따라
	혼합 요인. 그만큼
	기능적 주성분
	분석 결과
	네 가지 차원이 있습니다
	이러한 반응의 변화
	기능. 무엇을 이해하려면
	그들은 의미합니다.
	FPC 프로파일 러로 탐색하십시오.
	여기이 창을
	FPC 1을 조정하면
	이 FPC는
	피크 높이. FPC2, 보인다
	일종의 절정 인 것처럼
	좁음. 거의
	해결 원칙
	구성 요소. 세 번째는
	무릎의 종류와 관련
	지배적 인 봉우리의 왼쪽.
	그리고 Peak 4는
	주로 관련
	불순물, 그래서
	근본적인 의미는
	이 네 가지 기능
	주요 구성 요소.
	그래서 우리는 우리의 목표를
	제품을 극대화하고
	불순물을 최소화하고
	우리는 그것을
	이 이상 또는
	우리가 공급 한 황금 곡선
	FDE의 시작
	우리가하고있는 운동. 얻기 위해
	그 이상에 가능한 한 가깝게
	곡선, 우리는 바람직 함을 켭니다
	기능. 그리고 우리는 갈 수 있습니다
	만족도를 극대화합니다.
	그리고 우리는 최적의
	입력 조합은 약
	4.5 %
	성분 4, 2 %
	성분 6. 2.2 %
	성분 8 및 1.24 %
	가공을 사용하는 성분 9
	방법 2. 방법을 살펴 보겠습니다.
	우리는 여기에 있습니다. 우리가 먼저
	누락 된 응답을 계산
	열. 그런 다음 B-spline을 찾았습니다.
	그 기능에 맞는 모델
	잘 FDE 플랫폼에서. ㅏ
	기능적 주성분
	분석 결과
	4 개의 고유 함수
	변동 특성화
	이 데이터. 이 네
	고유 기능이 결정되었습니다.
	FPC 프로파일 러를 통해
	합리적 주제가있다
	중요한 의미. 기능
	DOE 분석은
	전정 적용
	각 선택
	개별 FPC 점수는
	DOE 요인은 입력 변수로 사용됩니다.
	그리고 우리는 이것들이
	발견 된 조합
	상호 작용 및 주 효과
	가장 예측 적이었습니다.
	각 기능적 주체
	구성 요소는 개별적으로 점수를 매 깁니다.
	기능적인 DOE 프로파일 러
	우아하게 모든 것을 포착했습니다
	하나의 표현으로 측면
	우리가 찾을 수 있도록
	제형 처리 단계
	바람직한 것으로 예상됩니다
	높은 것으로 측정되는 특성
	수율 및 낮은 불순물.
	이제 우리는 InfoQ를 할 수 있습니다.
	평가
	데이터의 일반화 가능성
	분석. 그래서이 경우에는
	우리는 더 관심이 있습니다
	과학적 일반화 가능성,
	실험자는 깊이
	지식이 풍부한 화학자 일
	이 화합물로. 그래서 우리는
	더 많이 의존 할 것입니다
	그들의 주제 전문 지식
	그런 다음 통계 원칙에
	가설 테스트와 같은 도구
	기타 등등. 목표는
	주로 예측 적이지만
	일반화 가능성은 일종의
	문제가 있기 때문에
	실험은 설계되지 않았습니다. 우리의
	상호 작용을 추정하는 능력
	다음과 같은 기술로 인해 약화됩니다.
	앞으로 선택 및 불가능
	최소 제곱 분석을 통해
	전체 모델. 때문에
	연구는 무작위가 아니 었습니다.
	기록되지 않은 시간이 될 수 있습니다.
	주문 효과. 우리는 없습니다
	잠재적으로 중요한 공변량
	온도 및
	반응 시간. 이것은
	또 다른 큰 물음표
	일반화 가능성에 관한.
	반복성 및
	연구의 재현성은
	또한 우리가 가진 미지의
	에 대한 정보가 없습니다
	로 인한 변동성
	측정 시스템. 다행히도,
	JMP와 같은 도구가 있습니다.
	이해하기 위해 디자인 평가
	기존 디자인뿐만 아니라
	크게 할 수있는 증강 디자인
	일반화 강화
	분석 성능.
	증강은 정보를 향상시킬 수 있습니다.
	주요 효과 및
	상호 작용 및 두 번째 라운드
	실험의 수는
	또한 향상시키기 위해 무작위로
	일반화. 그래서 지금 나는
	몇 가지를 통과 할 것입니다
	방법을 보여주는 간단한 단계
	일반화 개선
	우리 연구의 성과
	JMP의 디자인 도구. 내가 전에
	그렇게, 나는 지적하고 싶다
	데이터를 가져와야하고
	그것을 그렇게 변환
	비율보다는
	퍼센트. 그렇지 않으면 디자인
	도구는 실제로 동의하지 않았습니다.
	데이터와 잘 어울립니다. 그래서 우리
	평가 디자이너로 이동
	그런 다음 Y를로드하고
	우리 Xs. 나는 능력을 요청했다
	2 차 상호 작용을 처리합니다.
	그럼 ... 예,이 경고를 받았습니다
	이봐, 난 못해
	우리는 할 수 없기 때문에
	모든 상호 작용을 추정
	한 번에 하나의 요소가 주어지면
	우리가 가지고있는 데이터. 그래서 나는
	쪽으로. 우리는 증강으로 이동합니다.
	디자이너, 모든 것을로드하고
	증가를 설정하십시오. 우리는 선택하고 난-
	최적의 디자인입니다.
	정말 걱정
	여기에서 예상되는 성능.
	그리고 나
	실행 횟수를 148로 설정합니다.
	요청한 맞춤 디자이너
	최소 141 개이지만
	148 화
	우리는 모든 능력을 가지고
	우리의 모든 상호 작용을 추정
	꽤 좋아요. 그 후
	약 20 초가 걸립니다.
	디자인을 구성하십시오. 그래서 지금
	우리가 디자인을 가지고 있다는 것을, 나는
	두 가지를 가장 많이 보여줄 것입니다.
	중요한 진단 도구
	증강 디자이너
	디자인 평가. 에
	왼쪽, 우리는
	설계 공간 플롯. 이것은
	볼륨의 50 %가
	디자인의
	예측 분산
	1 미만 그래서 1은
	잔차와 동일
	오류. 그래서 우리는 얻을 수 있습니다
	측정 오류보다 낫다
	품질 예측
	디자인의 대부분. 에
	오른쪽에 컬러 맵이 있습니다.
	상관 관계. 이것은 보여주고 있습니다
	우리가 추정 할 수있는
	모든 것이 잘됩니다. 거기
	일부 ... 혼합물 때문에
	제약, 우리는
	강한 상관 관계
	상호 작용 및 주 효과.
	전반적으로 효과는 상당히
	깨끗한. 그리고 상호 작용은
	하나에서 꽤 잘 분리
	또 다른 주요 효과
	꽤 잘 분리되어 있습니다
	서로도. 후
	디자인을보고
	진단, 우리는
	표. 여기, 나는
	증강 실행의 처음 13 개
	그리고 우리는 우리가
	더 많은 무작위 화가 있습니다. 우리는하지 않습니다
	같은 주 효과를 사용하다
	계속해서 줄무늬.
	그것은 더 나은 증거입니다
	무작위 화 및 전체
	디자인은 할 수있을 것입니다
	메인을 훨씬 더 잘 추정
	효과 및 상호 작용
	더 나은, 더 높은 품질을 받았습니다.
	이 두 번째 단계의 정보
	실험의. 그래서 입력
	변수, X는 정확합니다.
	혼합물의 표현
	비율, 그래서 분명
	객관적인 관심. 그만큼
	응답은 가까운 대리입니다
	제품의 양에 대해
	그리고 그 안에있는 불순물의 양
	배치. 우리는 꽤 잘한다
	7.1. 그곳에. 정당화
	명확합니다. 연구 후, 우리는
	물론 준비 할 수 있습니다
	제형 인 배치
	FDOE에서 권장 한
	프로파일 러. 그것을 시도하고 확인하십시오
	우리는 종류를 얻고 있습니다
	우리가 찾고 있던 성능
	에 대한. 그것은 매우 분명합니다
	우리가 할 수있는 방법이 될 것입니다
	우리가 얼마나 잘 달성했는지 평가
	우리의 연구 목표. 그래서 지금 아래
	마지막 InfoQ 차원
	통신. 설명함으로써
	목표로 이상적인 곡선
	기능, 기능적 DOE
	프로파일 러는 목표를 만들고
	분석 결정의 결과
	맑은. 그러나 이것은 표현할 수 있습니다
	쉬운 수준에서
	화학자에 의해 해석되고
	R & D 시설의 관리자.
	그리고 우리가 세부적으로 한 것처럼
	정보 품질 평가,
	우리는에 대해 솔직했습니다
	의 강점과 약점
	연구 설계 및 데이터
	수집. 결과가
	일반화하지, 우리는 확실히
	어디에서 찾을 지 알고
	문제가 있었다. 일단 당신이
	개념에 익숙하고
	작성된 멋진 추가 기능이 있습니다.
	Ian Cox에 의해
	빠른 정량적 InfoQ 수행
	평가. 추가 기능에는
	상단 및 하단 슬라이더
	각 InfoQ 차원의 경계.
	이 차원은 결합됩니다
	만족도 함수 사용
	전체 간격에 대한 접근
	InfoQ는 왼쪽에 있습니다.
	다음은에 대한 평가입니다.
	내가 다룬 데이터 및 분석
	이 프레젠테이션. 추가 기능은
	유용한 사고 도구이기도합니다.
	당신이 각각을 고려하게 만들 것입니다
	InfoQ 차원. 그것은 또한
	의사 소통을위한 실용적인 방법
	InfoQ 평가를
	고객 또는 경영진에게
	그것은 높은 수준의보기를 제공합니다
	정보 품질
	많은 기술을 사용하여
	개념과 전문 용어. 추가 기능
	기초로도 유용합니다
	InfoQ 비교. 나의
	이것에 대한 원래의 희망
	발표는 조금이었다
	좀 더 야심 찬. 나는 바랐다
	내가 가진 분석을 다루기 위해
	그냥 지나갔고
	또 다른 간단한 것, 내가 건너 뛰는 것
	응답 입력 및 수행
	단순 다변량 선형
	반응의 회귀 모델
	열. 오늘은
	그것에 대한 최종 평가를 제공
	접근하다. 보시다시피
	몇 가지 InfoQ
	치수가 크게
	더 정교하지 않고
	분석. 그것은 매우 분명합니다
	간단한 분석은
	훨씬 낮은 InfoQ 점수.
	단순의 상한
	분석은 그다지 높지 않습니다
	더 많은 것의 하한보다
	정교한 것. 와
	경험, 당신은 얻을 것입니다
	좋은 InfoQ에 대한 직관
	점수는 데이터 과학
	업계의 프로젝트 및
	당신처럼 더 나은 습관을 고르십시오
	더 이상 눈이 멀지 않을 것입니다
	귀하의 정보 병목
	데이터 수집, 분석 및
	모델 배포. 정보
	사용하기 쉬운 품질
	상호 작용. 이것은 나의 첫번째
	공식적인 정보 품질
	평가. 나 자신을 위해 말하면
	정보 품질
	프레임 워크는 단어를 주었고
	내가 많은 것들에 구조
	이미 본능적으로 알고있었습니다. 그것
	이미 내가 어떻게 바뀌 었는지
	새로운 데이터 분석에 접근
	프로젝트. 나는 당신이 가기를 권장합니다
	이 과정을 통해
	자신의 데이터, 해당 데이터가
	그리고 분석은 이미 매우
	당신에게 익숙합니다. 나는 보장한다
	당신이 더 현명하고
	보다 효율적인 데이터 과학자
	때문에. 감사합니다.

브레이크 아웃암사슴예측 모델링