Conférencier
|
Transcription
|
| Josh Staunton |
Michael. |
| Michel Nazarkovski |
salut josh juste un instant. |
| |
D'accord. |
| Michel Nazarkovski |
Ah oui non non ça marche bien. |
| Josh Staunton |
Bon je te vois, merci. |
| Michel Nazarkovski |
Pendant que tu. |
| |
Pendant que nous attendons Phillippi, il dit qu'il est le premier, alors je viens de lui parler il y a 10 minutes, donc vous enregistrez en ce moment ouais. |
| Josh Staunton |
oui, l'enregistrement commence, nous allons simplement éditer cette partie. |
| |
Une fois que nous l'aurons en quelque sorte passé en revue et que nous aurons quelques questions à poser une fois que Philippe se joindra, je vous le passerai ensuite pour éteindre mon appareil photo et mon fils et vous laisser vous laisser emporter, mais merci pour ce faire, nous l'apprécions. |
| Michel Nazarkovski |
Oh, merci beaucoup, vraiment, ce fut une grande surprise pour moi quand ils ont reçu un tel message sur la possibilité de participer. |
| |
Dans cet événement ou vraiment c'est trois à cinq ou en fait comment je le savais, l'année dernière j'ai eu la session en octobre de l'année dernière, et c'était impressionné oh mon Dieu tellement de bons sujets sont élucidés alors j'ai décidé de ne pas perdre cette opportunité ce année. |
| Josh Staunton |
ouais super génial. |
| |
Eh bien, vous savez, malheureusement, vous savez que cette année sera en personne, mais vous savez, nous avons encore du bon contenu et. |
| |
Nous espérons qu'à l'avenir, nous pourrons vous amener à l'un des événements de découverte en personne qui sont toujours amusants. |
| Michel Nazarkovski |
Oh oui j'espère que. |
| |
J'ai commencé à utiliser de la confiture depuis le début de l'année dernière et juste depuis le début du pyjama. |
| |
ouais ouais donc assez rapide très simplement, je dirais. |
| |
ouais et fais la pandémie ou je réussis beaucoup en fait au fur et à mesure de l'un des résultats, vous le verrez tout de suite dans cette présentation. |
| |
Et même commencé à publier à ce sujet et en fait en ce moment, je suppose, je suis co-auteur de l'auteur et j'ai peut-être aussi trois articles en parallèle, bien conscient, j'implique JMP. |
| |
Allez. |
| Josh Staunton |
Tout ce qui est joli. |
| |
Un apprentissage rapide c'est pour vous. |
| Michel Nazarkovski |
Juste vous savez que cela aide beaucoup bien sûr pour une réflexion statistique. |
| |
ouais juste ouais. |
| |
Oui. |
| Josh Staunton |
nous utilisons avant d'utiliser juste une sorte d'open source pour faire vos analyses dans le passé ou. |
| Michel Nazarkovski |
Open Source tu veux dire. |
| Josh Staunton |
Sur ou quelque chose. |
| |
Pour le réduire à celui de quelqu'un d'autre. |
| Michel Nazarkovski |
Ah, non, non, non, non, non, vous savez que j'ai commencé à apprendre Python mais vous savez quoi. |
| |
Je veux dire contrer certaines difficultés d'apprentissage. |
| |
Donc, je suis chimiste et chimiste physique et j'utilise en fait tout ça pour la science des matériaux de chimie, comme vous le verrez en ce moment oui, j'ai donc décidé de passer de Python au laboratoire de mathématiques en parallèle à la route pro six pour avoir progressé là-bas parce que. |
| |
L'interface d'apprentissage automatique pour metalab dans Jeff est plus que suffisante pour les scientifiques. |
| Josh Staunton |
Oui, oui non, c'est super à entendre. Je suis content que vous l'ayez adopté et savez-vous exceller avec ça, c'est génial. |
| Michel Nazarkovski |
Eh bien, laissez-moi, laissez-moi s'il vous plaît envoyer un texto à Phillippi. |
| |
D'accord, qu'est-ce qui se passe, qu'est-ce qui se passe, il a rencontré des problèmes avec des problèmes Internet comme une heure auparavant. |
| |
OK OK. |
| |
il essaie d'entrer. |
| Josh Staunton |
il n'est pas encore entré non. |
| |
étrange. |
| Josh Staunton |
en temps réel. |
| |
Donc, vous n'avez pas eu à mettre de mot de passe, nous avons cliqué sur le lien et nous sommes juste entrés correctement. |
| Michel Nazarkovski |
Eh bien, je lui ai envoyé le lien juste en train de faire mais je ne me souviens pas si un mot de passe doit être là. |
| Josh Staunton |
Vous ne devriez pas avoir d'affaires ouais. |
| Michel Nazarkovski |
c'est le truc alors il m'envoie quelque chose par texto dans un instant. |
| |
Oh. |
| |
Oh oui, donc le problème n'est pas que le zoom est à nouveau rencontré et des problèmes avec Internet en ce moment. |
| |
Oh. |
| Michel Nazarkovski |
nous avons une heure ouais. |
| Josh Staunton |
il rejoint en ce moment. |
| Michel Nazarkovski |
Oh super. |
| |
Oui. |
| Felipe Lopes |
Bonjour. |
| Michel Nazarkovski |
Salut enfin tu es un héros, donc toi tu lances la présentation donc josh juste comme un chemin josh nous attend donc on est dans les temps en fait. |
| Felipe Lopes |
Oui, exactement n'importe quand ouais. |
| Josh Staunton |
Certainement, un temps, je veux dire le être. |
| |
Ravi de vous rencontrer mon nom est. |
| |
Josh, je veux dire que non. |
| |
Voir l'enregistreur donc je vais juste passer en revue quelques questions et ensuite, une fois que nous aurons terminé, je vais vous passer la parole, éteignez ma caméra et vous pouvez l'emporter nous allons éditer toute cette partie. |
| |
D'accord. |
| |
Même si cela vaut la peine d'être enregistré maintenant, nous éditerons cette partie plus tard. |
| |
Donc deux ou trois choses. |
| |
D'accord, donc je suppose. |
| |
Alors évidemment, nous avons Michael comme notre kosky de l'Université pontificale catholique de Rio de Janeiro, et il Lopez de la vieja. |
| |
l'Université fédérale de Rio de Janeiro, et vous allez passer. |
| |
Approches aquatiques et classification de Kirkland ou obtention de cadres par propriétés de texture à l'aide de la cellule de prison 2021 dash us desk 30 MP dash 874 est-ce que cela semble correct. |
| Felipe Lopes |
Oui. |
| Michel Nazarkovski |
D'accord, le nom entier le nom complet. |
| Josh Staunton |
Oui, le nom complet d'accord maintenant vous les gars. |
| |
Vous comprenez simplement que cela est enregistré pour l'utilisation de JMP Discovery Summit Conference, qu'il sera disponible publiquement et que la communauté d'utilisateurs JMP autorise cet enregistrement et cette utilisation. |
| Felipe Lopes |
Oui, je le fais, oui, merci. |
| Michel Nazarkovski |
D'accord, bien. |
| Josh Staunton |
Michael tu vas bien. |
| |
Ouais, bien sûr. |
| |
ouais genre d'analogie ici. |
| |
on dirait que vous avez. |
| |
Vos téléphones sont en quelque sorte éteints et comme moi ou quelque chose comme ça qui pourrait le faire. |
| Michel Nazarkovski |
Détruire ouais. |
| |
Tout ce qui peut déranger, je vais simplement désactiver les sons les plus anciens et Skyway se souviendra de ces exigences et George s'il vous plaît dites-moi pendant la session, je veux dire après l'enregistrement de la session, vous attraperez les éléments pertinents ou ce sera comme le tout. |
| Josh Staunton |
Oui, donc ça va passer directement, je ne pense pas qu'ils vont faire de montage pendant si, pour une raison quelconque, il y avait quelque chose. |
| |
catastrophique qui s'est produit, nous pouvons recommencer depuis le début, mais je pense qu'ils vous laisseront simplement continuer, ne vous inquiétez pas, vous savez, nous sommes tous des humains ici, donc. |
| |
Vous avez fait une erreur, essayez simplement de continuer à rouler avec, personne ne doit être parfait, les bonnes statistiques ne sont pas parfaites, vous n'en avez donc pas besoin non plus, mais oui. |
| |
Vas-y. |
| Felipe Lopes |
Non. |
| Josh Staunton |
Je suis désolé. |
| |
Est-ce que ça va, Michael, ça sonne bien. |
| Michel Nazarkovski |
oui tout va bien tout va bien. |
| |
Donc voilà. |
| Josh Staunton |
dernière chose que nous venons de voir. |
| |
D'accord. |
| |
ouais déjà bon à ça. |
| |
Très bien, juste la barre des tâches. |
| |
Maintenant, je vais. |
| |
Avez-vous d'autres questions ou êtes-vous plutôt prêts à présenter et. |
| |
Est. |
| Michel Nazarkovski |
C'est oui. |
| |
Ouais je suppose. |
| Felipe Lopes |
partager mon écran Michael vous partagez votre écran comment. |
| Michel Nazarkovski |
Es-tu frère. |
| |
Mais d'accord josh techniquement c'est bien si nous partageons nos écrans l'un après l'autre ouais. |
| Josh Staunton |
ouais tu sais que c'est bien ouais juste. |
| |
Assurez-vous simplement que vous savez clairement transférer les diapositives et que vous ne vous éloignez pas trop des diapositives. |
| Michel Nazarkovski |
Oui mais. |
| Josh Staunton |
ouais absolument vous savez quoi. |
| Michel Nazarkovski |
Nous ferons en sorte qu'ils aient la même présentation, toutes nos parties sont ensemble, alors nous le faisons l'une après l'autre, c'est bien Merci. |
| Josh Staunton |
Okay cool et vous savez comment partager des écrans, utilisez le zoom avant. |
| |
Oui. |
| Felipe Lopes |
Juste la mise en place de la précipitation ici. |
| |
mets ça. |
| |
Oui. |
| Josh Staunton |
Comme vos arrière-plans. |
| Felipe Lopes |
Mon partage le bon écran en ce moment. |
| Michel Nazarkovski |
Super tout va bien. |
| Felipe Lopes |
Oui. |
| |
c'est la bonne présentation. |
| |
Parce que je me dirige vers l'écran et parfois le mauvais écran et je vomis ainsi. |
| Michel Nazarkovski |
Parfait tout est parfait. |
| Josh Staunton |
Ça a l'air super, je vais éteindre mon. |
| |
Mon appareil photo maintenant mais je vais vous le passer messieurs, merci encore et. |
| |
Je suppose que nous pouvons parler à la fin s'ils. |
| Michel Nazarkovski |
ça aurait été sympa de te revoir josh. |
| Josh Staunton |
Très bien, prends soin de toi. |
| Felipe Lopes |
Alors, bonjour à tous. Je m'appelle Felipe Lopes de Oliveira. Je suis de l'Université fédérale de Rio de Janeiro et je présente ce travail avec Michael |
| |
Nazarkovsky, de l'Université pontificale catholique également à Rio de Janeiro. Et aujourd'hui, nous présentons le travail, Approches modernes dans la classification des cadres organiques covalents par texture et... par propriétés de texture à l'aide du logiciel JSL. |
| |
Les charpentes organiques covalentes sont donc une nouvelle classe de matériaux composés uniquement d'éléments légers tels que le carbone, l'azote, l'oxygène, l'hydrogène et le bore. |
| |
Ils sont organiques, cristallins, nanoporeux, très stables dans les matériaux réticulaires. Cela signifie que les liaisons chimiques qui forment ces matériaux suivent un motif géométrique bien défini dicté par la topologie du réseau. |
| |
Dans cette image, je montre un exemple de réseau de type HCB, composé de triangles et de tiges connectés périodiquement, |
| |
formant un réseau étendu. Ces triangles et tiges représentent des molécules qui peuvent être... que vous appelez des blocs de construction qui sont liés de manière covalente et forment une structure étendue |
| |
avec les caractéristiques géométriques de cette nature. Il existe de nombreux types de |
| |
géométries de molécules qui peuvent être utilisées comme blocs de construction et plusieurs types de liaisons chimiques que nous utilisons pour nous y connecter. |
| |
De cette façon, il est possible de former une structure avec des caractéristiques extrêmement spécifiques, telles que ??? que nous pouvons contrôler dans l'ordre de ??? dans les caractéristiques physiques et chimiques de l'intérieur du |
| |
??? qui peut... que nous avons défini par les blocs de construction. Nous pouvons donc considérer les blocs de construction comme des pièces Lego, où différentes pièces peuvent être utilisées pour construire plusieurs structures aux caractéristiques uniques. |
| |
Dans cette diapositive, je montre différentes topologies possibles qui peuvent être utilisées pour construire des cadres organiques covalents bidimensionnels et tridimensionnels, |
| |
ainsi que le format que chaque bloc de construction doit avoir à utiliser pour construire ces réseaux. À droite, je montre un exemple de modèle de structure cristalline de COF |
| |
avec un ??? réseau, qui sera utilisé pour calculer les propriétés d'intérêt à l'avenir. Il est possible de voir que le format forme une structure composée d'une couche covalente bidimensionnelle |
| |
et ces couches sont empilées dans l'équivalent d'une géographie de la troisième dimension. |
| |
Grâce à leurs incroyables capacités de modulation, les COF peuvent être utilisés pour plusieurs applications extrêmement intéressantes, telles que la catalyse hétérogène, la production d'énergie, le stockage, |
| |
semi-conducteurs organiques, détection chimique, isolation thermique et capture et stockage de gaz, entre autres. Cependant, en raison de la plus grande modularité qui... |
| |
cette plus grande modularité peut aussi être un problème, mais le développement de ces matériaux est vraiment complexe. |
| |
Ils utilisent... ils sont généralement développés grâce à une combinaison d'intuition chimique et de molécules disponibles. |
| |
Avec plusieurs étapes de synthèse et de caractérisation qui se répètent avec des matériaux à haute ??? Est obtenu. Ce matériel est développé... |
| |
Le développement de ce matériau est très chronophage, coûteux et nécessite plusieurs...20 professionnels pour le réaliser. Et parfois, tous ces efforts ne mènent pas à... |
| |
ne conduisent pas à un matériau avec les caractéristiques souhaitées. Alors pour essayer de résoudre ce problème, nous... |
| |
pour essayer de résoudre ce problème, nous proposons un simple et ??? approche numérique pour étudier ces matériaux et tenter ainsi d'accélérer leur développement. |
| |
Nous utilisons initialement une base de données de structures, maintenant sous forme de COF organisés, qui a compilé plusieurs structures synthétisées et présentées dans la littérature. |
| |
Ensuite, nous utilisons des routines de construction pour développer des valeurs afin de valider ces structures et nous assurer que tout va bien. Ensuite, nous utilisons un DFT basé |
| |
un logiciel de calcul de structure électronique appelé CP2K pour optimiser les paramètres d'auto(?) dans les positions atomiques des structures. Ensuite, nous utilisons un logiciel appelé ZEO++, |
| |
qui effectue l'analyse géométrique des pores et le pourcentage de correspondance entre la formation de ??? réseaux à l'intérieur d'eux. |
| |
Et puis détermine un ensemble de descripteurs structurels pour les coûts sélectionnés. Il s'agit d'un script de mon collègue Michael dans le logiciel JMP pour faire plusieurs analyses extrêmement intéressantes. |
| |
Eh bien, ici, je montre les principales structures que nous utilisons. Tout d'abord, nous avons un ID de structure, qui est essentiellement, je pense, une classification du nom de la structure. |
| |
Et ensuite, nous avons le LIS, qui signifie grande sphère incluse, qui nous donne l'information sur le diamètre des pores du matériau. |
| |
Nous avons le LFS, la grande sphère libre, et le LSFP, le chemin libre de la grande sphère, avec... qui est fondamentalement la même chose que la grande sphère incluse, mais peut encoder l'information... |
| |
la différence dans l'influence du diamètre des pores de plusieurs fonctionnalisations au sein des pores. Nous avons également le SSA et le SSAV, qui est la zone spécifique, tous deux en mètres carrés par gramme en mètres carrés par unité de volume. |
| |
AVF, qui est la fraction volumique accessible, qui est la quantité de matériau formée par les pores et Vp est le volume des pores. |
| |
Et puis, nous avons le N(chan), qui est le nombre de canaux accessibles. |
| |
Ici, dans la figure, je montre une structure avec un seul canal, mais les matériaux tridimensionnels peuvent avoir plus d'un canal accessible. |
| |
Nous avons ChanDim, qui est la dimensionnalité des canaux qui peuvent être 1D, comme dans cette structure, 2D et 3D. Et la taille du canal, qui est fondamentalement parfois le diamètre des pores, mais pour ??? les structures peuvent être un peu différentes. |
| |
Et maintenant, Michael parlera un peu des résultats. |
| Michel Nazarkovski |
Ouais, merci beaucoup. Merci beaucoup, Felipe, pour cette introduction si brillante, alors maintenant ce sera de l'analyse de données pure et de la science des données. Alors laissez-moi s'il vous plaît partager mon écran à mon tour d'accord. Bon, c'est ce que je vais faire maintenant. |
| |
Parfait. Bon produit. |
| |
Bon, alors commençons par le début de la deuxième partie. Le moment est venu d'analyser les données de ces... de ces... une telle quantité, je dirais, de structures obtenues par Felipe. |
| |
Juste un moment. D'accord, bien. Après la première, disons, avant toute analyse, ils doivent récupérer les données et exclure certaines structures erronées ou non pertinentes. |
| |
et l'écran pour détecter les valeurs manquantes. Aucune valeur manquante n'a été détectée lors de leur analyse et de leur criblage. Nous avons également découvert après la |
| |
visualisation des données que la majorité absolue des structures disponibles sont affectées à la structure plus de 85% et 15% le tout dans une structure 3D. Donc, depuis le début, nous avons maintenant un ensemble de données déséquilibré à prévoir. majorité absolue des |
| |
canaux est attribué à monodimensionnel |
| |
canaux et il y en a un peu plus... plus de 80 % et près de 17 % sont attribués à la dimension 3D et un peu moins de 2 % sont attribués aux canaux qui sont bidimensionnels. |
| |
De plus, tous ces canaux sont assez isotropes, ce qui signifie que dans toutes les directions (X, Y et Z) ils sont égaux, ce qui se reflète sur les données du diagramme 3D en trois dimensions. |
| |
Si on répartit toutes les données entre les structures, je veux dire les structures 2 et 3D, on pourrait voir les monodimensionnelles, bidimensionnelles prendre la majorité absolue. Plus de 90% pour cette structure 2D et la 3D sont en train de prendre. |
| |
3D, je veux dire 3D, des canaux tridimensionnels. Presque plus de 60% sont prises par des structures 3D, cependant, assez... une quantité assez élevée de |
| |
de trois est également pris par les structures 2D, parce qu'elles ont juste une valeur beaucoup plus... une valeur beaucoup plus élevée comme 85%. |
| |
Pour éviter cela, pour éviter un tel déséquilibre |
| |
situation, nous entreprenons des opérations non supervisées |
| |
approches, ainsi que des méthodes supervisées de l'apprentissage automatique |
| |
après la préparation des données. Alors qu'est-ce qu'on fait dans le premier premier ??? de ces analyses, analyse multivariée pour détecter la colinéarité |
| |
et les corrélations entre les paramètres. Ainsi, comme nous pouvons le voir, les trois premiers (LIS, LFS et LSFP) sont fortement corrélés, l'un peut donc être remplacé par d'autres. Cependant, une telle caractéristique sera très importante, alors que l'analyse de l'ACP |
| |
(analyse des composants principaux). C'est pourquoi, pour le clustering hiérarchique, nous n'en avons sélectionné qu'un seul paramètre. |
| |
Dans le cas également de X, Y et Z pour une taille de canal, notre isotrope signifie la même chose. toutefois |
| |
une décision a été prise de les garder tous, car cela est fortement lié à la structure native du 2D... du composé 2D... des structures composées des principaux COF. |
| |
Eh bien, en raison de leur nombre élevé, près de 500 structures, nous avons décidé de sélectionner 13 clusters, qui peuvent être plus significatifs et pertinents, optimaux par rapport ou par la partie extraite de...tout le nombre...nombre entier de clusters et d'analyser eux |
| |
pour la moyenne |
| |
paramètres, qui sont reflétés sur la table. |
| |
Comme on peut le voir, après un nombre 13, il y a un autre énorme |
| |
réduction du regroupement... distances des clusters, c'est pourquoi 13, il a été supposé être la quantité optimale des clusters. Et parmi eux, nous avons sélectionné le cluster le plus massif, le cluster #7, qui a contenu... comprend 128 |
| |
échantillons de structure 2D, il sera donc utilisé pour la classification par la suite. |
| |
À leur tour, les structures 3D sont, comment pourrais-je... J'oserais dire que ce sont déjà les mêmes. Nous avons encore observé une forte corrélation entre LIS, LFS et LSFP, c'est pourquoi aussi |
| |
les conditions d'extraction de cluster étaient les mêmes que pour la 2D. Cependant, avec un nombre inférieur de clusters, nous avons décidé d'en prendre sept. Cependant de ces sept clusters, nous en avons extrait quatre, juste pour garder au moins |
| |
le rapport entre 2D et 3D plus proche de l'égalité. Et ce ne sera pas égal, |
| |
cependant, comme vous le verrez sur la diapositive suivante, ce sera bien mieux, moins déséquilibré que 85 à 15. |
| |
En comparant deux tableaux sur la variation de la variabilité des paramètres, nous pouvons voir que les quatre derniers dans les deux cas sont responsables d'une plus grande variabilité des structures au sein de chaque ensemble. Fracture du volume...fraction...désolé, |
| |
volume total des pores et les deux types de surface spécifique, ils sont donc au même niveau et ils sont responsables d'une plus grande variabilité entre les structures. Donc, comme je l'ai dit, nous avons moins... |
| |
moins de différence entre deux structures au final. |
| |
Validation...validation entraînée joué deux ensembles ont été construits et stratifiés sur la base des structures obtenues à partir de...tirés des clusters les plus massifs et bien répartis. |
| |
Et commençons par la régression logistique, comme la plus simple des analyses paramétriques... paramétriques. Après avoir retiré les plus inutiles |
| |
variables, nous n'avons laissé que deux volume poreux total et fraction volumique. |
| |
Ils sont également fortement corrélés, comme |
| |
un très grand pourcentage de corrélations le sont. Cependant, il en faudrait un, comme vous pouvez le voir, désolé, le même LogWorth, cela signifie donc que nous ne pouvons pas exclure, |
| |
par exemple, fraction volumique... fraction parce que je l'ai fait une fois pour tester son fonctionnement et que son absence est devenue importante et |
| |
le taux d'erreur de classification dans la validation a obtenu 20%. Et par rapport à ici, nous avons obtenu la validation, aucune erreur de classification pour le plein droit... attribution correcte à chaque groupe |
| |
et avec une classification erronée faible...assez faible dans l'ensemble d'apprentissage. Le reste des métriques... les mesures de la performance du modèle seront plus discutées à la fin, donc quand nous comparerons toutes les performances de tous les modèles. Aussi leur respectif |
| |
équations pour prédire la probabilité, prédit que la structure a été créée et donnée, a été obtenue et donnée... présentée sur cette diapositive. Alors allons plus loin. C'est pourquoi, dans le prochain |
| |
modélisation, nous n'avons utilisé que ces deux paramètres... paramètres pour prédire les deux structures (2D ou 3D), donc donner un coup de pied aux voisins les plus proches en tant que modèle non paramétrique leur a donné le meilleur |
| |
métriques... meilleures performances et validation à 1K, donc un seul voisin suffit juste pour reconnaître à assigné... pour reconnaître la structure. Comme on peut le voir sur le schéma de... |
| |
Je veux dire, quel volume total de pores et fraction de volume, désolé, donc nous pouvons voir que |
| |
pour la 2D, nous avons une quantité plus concentrée de cette structure. C'est |
| |
très |
| |
concentré en un seul endroit. Cependant, contrairement à la 3D, ils sont assez répandus. C'est pourquoi il comparerait les distances. Ici, dans la partie droite de la diapositive, vous pouvez voir que les distances les plus élevées entre les voisins sont liées à |
| |
Structures 3D comme dans la validation, comme dans l'ensemble d'apprentissage. C'est pourquoi nous pouvons également utiliser ces modèles non paramétriques... un seul modèle non paramétrique à appliquer dans l'attribution en utilisant uniquement ces deux paramètres. |
| |
De plus, l'analyse discriminante quadratique ne donne aucune erreur de classification dans la validation et moins de 5 % d'erreur de classification dans l'ensemble d'apprentissage, en classant simplement huit échantillons de manière incorrecte. Donc c'est même facile... est vu comme sur la matrice de confusion et aussi sur le diagramme de tracé parallèle. |
| |
Et aussi le reste du... |
| |
le reste des paramètres sera décrit...sera discuté plus tard parce que ce modèle a quelques astuces...ce sera... |
| |
plus intéressant... sera... on verra à la fin. Donc Naive Bayes est un autre modèle paramétrique mais très simple, n'a également donné aucune erreur de classification. La situation devient donc très concurrentielle... concurrentielle. |
| |
Comme nous pouvons le voir ici aussi les deux paramètres sont presque égaux par leurs effets donc |
| |
l'effet total est de près de 0,88 pour le volume total des pores et pour la fraction volumique est de près de huit...0,8, c'est pourquoi ils sont presque égaux en contribution pour leur tâche de classification. |
| |
Et des tracés simples ont également été construits pour la prédiction. |
| |
La machine à vecteur de support n'a pas été démontrée, également des performances brillantes. Comme on peut le voir celui de 64...désolé 46 ??? des vecteurs ont été utilisés pour construire un tel modèle sans aucune erreur de classification à la fin. Et certaines |
| |
erreur de classification dans une formation (6%) et surtout, le plus grand pourcentage d'erreurs de classification concernait exactement la 3D, ils étaient mal classés. |
| |
Bon, allons plus loin. Et enfin, nous arrivons à un modèle complexe qui combine des approches non supervisées et supervisées, l'ACP non supervisée. Dans ce cas, nous avons pris tous tous tous... |
| |
paramètres continus quantitatifs, y compris tous, même ceux qui sont fortement corrélés entre eux, et nous avons construit |
| |
diagrammes et tracés pour l'ACP. Et comme nous pouvons le voir, deux composants principaux qui ont les valeurs de |
| |
plus d'un par la règle de Kaiser, cela signifie donc qu'à ce stade, nous avons un autre presque proche d'un composant, troisième composant, nous ne l'impliquerons pas dans le modèle de prédiction. Nous n'impliquerons que les deux premiers |
| |
où ces valeurs propres étaient plus d'un. Et ce qui est intéressant, ici on peut voir que dans la première composante, la composante principale qui peut décrire près de 66% des cas, ceux-ci comprennent, |
| |
disons, LIS, LFS, LSFP et canaux... paramètres de canaux, donc je veux dire la taille X, Y et Z, ces directions. Alors c'est comme, disons, ??? chaînes, ??? ensemble de canaux. |
| |
Et le second, le second composant est majoritairement bon, pourrait être décrit par les deux types de surface spécifique et de porosité. Il s'agit d'un pur paramètres de texture. |
| |
Ainsi, comme nous pouvons le voir, même ici, nous observons une telle différence de certification et pouvons tirer des conclusions sur la contribution des deux paramètres dans la prédiction, dans cette description du. |
| |
structure. Donc, après avoir construit la régression logistique, en utilisant uniquement ces deux composants principaux, leur formule sera donnée dans le... dans notre publication, sur notre résumé ensuite dans l'article où, auquel nous allons soumettre dans la fourchette.. .dans le cadre du présent sommet. |
| |
Ici aussi, évidemment, nous avons obtenu un taux d'erreur de classification nul et très, très faible, moins de 1% d'erreur de classification dans la formation... alors que la formation, ce qui n'est pas... ce qui n'est... n'était pas... ce qui n'a pas été observé pour les modèles précédents. Alors maintenant, nous arrivons au plus |
| |
partie intéressante, la conclusion sur notre |
| |
résumé |
| |
des modèles. Comme nous pouvons le voir, nous résumons par mauvaise classification l'ensemble d'apprentissage, évidemment parce que nous y avons obtenu des valeurs. Nous pouvons voir la régression logistique... les modèles de régression |
| |
comme simple et basée sur l'ACP, ici en haut du graphique par erreur de classification et par analyse discriminante de validation. Cependant, |
| |
ce que nous pouvons dire ici, les choses que nous avons tous leurs tableaux de classification erronée ou leur précision en tant qu'opposé du paramètre, nous devrions comparer d'autres métriques. |
| |
Donc ce que l'on peut voir c'est que, ok bon, on a aussi par d'autres métriques, des valeurs plus élevées donc avantageuses de l'analyse discriminante. Mais si nous regardions de plus près, |
| |
nous verrons... tout le monde verra qu'il y a une énorme différence entre ces métriques, même entre le taux d'erreur de classification, entre la validation et la formation. On peut donc faire |
| |
quelque chose, vous savez que nous avons rencontré des problèmes de sur-ajustement ou de sous-ajustement. Dans ce cas, nous traitons principalement du sous-apprentissage car l'invalidation des métriques est meilleure que |
| |
pour s'entraîner. Se produira normalement en face, oui, la plupart... la plupart des cas traitent du surapprentissage lorsque la formation suradapte les données et que nous obtenons des métriques pires en validation. Ici c'est complètement à l'opposé, c'est pourquoi |
| |
ces métriques, comme l'entropie R carré et généraliser le R carré et le log P moyen, ainsi que le taux de mauvaise classification, |
| |
ont été analysés... les différences ont été analysées pour ces quatre métriques, et c'est pourquoi nous sélectionnons le meilleur des meilleurs. Comme mentionné précédemment, l'analyse discriminante a démontré la plus haute |
| |
qualité de la performance, cependant, il présente l'une des différences les plus importantes entre les métriques de validation dans la formation, par rapport aux autres. Rappelez-vous que |
| |
à la validation, tous ont donné zéro, cela signifie donc que nous pouvons sélectionner presque |
| |
chacun d'eux, avec l'équilibre optimal des autres métriques... des différences pour les métriques entre la validation et la formation. Alors ce que l'on peut voir ici, par exemple, le plus bas... |
| |
la plus faible différence entre le taux de classification erronée et l'entropie R au carré est attribuée à la régression logistique, combinée à l'ACP. |
| |
Deux autres métriques, comme généraliser la différence entre... la différence entre le R carré généralisé et le log P moyen est observée |
| |
dans la machine à vecteur de support. Pour Naive Bayes, nous ne pouvons cependant pas sélectionner ce modèle, car au moins dans deux |
| |
paramètres, il a une très grande différence. Alors c'est pourquoi |
| |
nous pouvons supposer que pour les meilleures performances, pour les plus correctes, une régression logistique basée sur l'ACP est recommandée, et éventuellement recommandée, la machine à vecteurs de support comme autre modèle pour prédire les structures 2D et 3D. Plus de détails et plus |
| |
méthodes seront données dans notre article, que nous allons soumettre dans les deux semaines |
| |
et publier sur le site de JMP Community. Alors merci beaucoup, ce fut un grand plaisir de faire une telle présentation. J'ai donc hautement remercié également mon collègue David Kirmayer de l'Université hébraïque de Jérusalem en Israël. Merci de votre attention. |
| Josh Staunton |
bien. |
| |
Merci messieurs. |
