Altoparlante
|
Trascrizione
|
| Josh Staunton |
Michael. |
| Michael Nazarkovskij |
ciao josh solo un momento |
| |
Va bene. |
| Michael Nazarkovskij |
Oh sì no no funziona bene. |
| Josh Staunton |
Bene, posso vederti, grazie. |
| Michael Nazarkovskij |
Mentre tu. |
| |
Mentre aspettiamo Phillip, dice che è il primo, quindi gli ho parlato solo 10 minuti fa, quindi stai registrando adesso sì. |
| Josh Staunton |
sì, inizia la registrazione, modificheremo semplicemente questa parte. |
| |
Una volta che l'avremo esaminata e avremo un paio di domande da porre una volta che Philippe si unirà e poi te lo passerò, spegni la mia macchina fotografica e mio figlio e ti lascerò che te lo porti via, ma grazie per questo lo apprezziamo. |
| Michael Nazarkovskij |
Oh, grazie mille, davvero, è stata una grande sorpresa per me quando hanno ricevuto un messaggio del genere sulla possibilità di partecipare. |
| |
In questo evento o davvero sono dalle tre alle cinque o in realtà come lo sapevo, l'anno scorso ho avuto la sessione di ottobre dell'anno scorso, ed è stato colpito, oh mio Dio, sono stati chiariti così buoni argomenti quindi ho deciso di non perdere questa opportunità questo anno. |
| Josh Staunton |
sì fantastico fantastico. |
| |
Beh, sai, sfortunatamente, sai che quest'anno sarà di persona, ma sai, abbiamo ancora degli ottimi contenuti e. |
| |
Speriamo che in futuro possiamo portarti a uno degli eventi di scoperta di persona che sono sempre divertenti. |
| Michael Nazarkovskij |
Oh sì, si spera come. |
| |
Ho iniziato a usare la marmellata dall'inizio dello scorso anno, e solo dall'inizio del pigiama. |
| |
sì sì, abbastanza veloce, molto semplicemente, direi. |
| |
sì e fai la pandemia o riesco ad avere molto successo in realtà come o come risultato di uno dei risultati, vedrai proprio ora in questa presentazione. |
| |
E ho anche iniziato a pubblicare su questo e in realtà al momento, immagino, sono un coautore dell'autore anche forse tre articoli in parallelo, ben consapevole che coinvolgo JMP. |
| |
Avanti. |
| Josh Staunton |
Tutto ciò che è carino. |
| |
Apprendimento veloce che fa per te. |
| Michael Nazarkovskij |
Solo tu sai che aiuta molto ovviamente per un pensiero statistico. |
| |
si solo si. |
| |
Sì. |
| Josh Staunton |
stiamo usando prima di usare solo una sorta di open source per fare le tue analisi in passato o. |
| Michael Nazarkovskij |
Open Source intendi. |
| Josh Staunton |
Su o qualcosa del genere. |
| |
Per ridurlo a quello di qualcun altro. |
| Michael Nazarkovskij |
Ah, no, no, no, no, no, sai che ho iniziato a imparare Python ma sai cosa. |
| |
Intendo contrastare alcune difficoltà nell'apprendimento. |
| |
Quindi sono un chimico e un chimico fisico e in realtà sto usando tutta questa roba per la scienza dei materiali chimica, come vedrai in questo momento sì, quindi ho deciso di passare da Python al laboratorio di matematica in parallelo alla strada pro sei per fare progressi lì perché. |
| |
l'interfaccia di apprendimento automatico per metalab in Jeff è più che sufficiente per gli scienziati. |
| Josh Staunton |
Sì, sì no, è fantastico da sentire, sono contento che tu l'abbia abbracciato e che tu sappia eccellere con esso è fantastico. |
| Michael Nazarkovskij |
Bene, lasciami, per favore, manda un messaggio a Phillippi. |
| |
Va bene whoa cosa sta succedendo cosa sta succedendo, ha riscontrato alcuni problemi con problemi di Internet come un'ora prima. |
| |
Ok ok. |
| |
sta cercando di entrare. |
| Josh Staunton |
non è ancora dentro no. |
| |
strano. |
| Josh Staunton |
in tempo reale. |
| |
Quindi non è necessario inserire alcuna password, abbiamo fatto clic sul collegamento e siamo arrivati direttamente al messaggio corretto. |
| Michael Nazarkovskij |
Bene, gli ho inviato il link solo facendo ma non ricordo se deve essere presente una password. |
| Josh Staunton |
Non dovresti avere affari, sì. |
| Michael Nazarkovskij |
questo è il problema, quindi mi sta scrivendo qualcosa in questo momento tra un momento. |
| |
Oh. |
| |
Oh sì, quindi il problema non è che lo zoom è di nuovo riscontrato e problemi con Internet in questo momento. |
| |
Oh. |
| Michael Nazarkovskij |
abbiamo un'ora sì |
| Josh Staunton |
si sta unendo proprio adesso. |
| Michael Nazarkovskij |
Oh bene. |
| |
Sì. |
| Felipe Lopes |
Ciao. |
| Michael Nazarkovskij |
Ciao finalmente sei un eroe, quindi stai lanciando la presentazione, quindi josh proprio come Josh ci sta aspettando, quindi siamo in tempo in realtà. |
| Felipe Lopes |
Sì, esattamente in qualsiasi momento sì. |
| Josh Staunton |
Sicuramente, una volta, voglio dire l'essere. |
| |
Piacere di conoscerti, il mio nome è. |
| |
josh, voglio dire, no. |
| |
Guarda il registratore, quindi farò solo alcune domande e poi, una volta che avremo finito, te lo passerò, spegni la mia fotocamera e voi ragazzi potete portarmela via modificheremo tutta questa parte. |
| |
Va bene. |
| |
Anche se vale la pena registrarlo in questo momento, modificheremo quella parte in seguito. |
| |
Quindi un paio di cose. |
| |
Giusto, quindi immagino. |
| |
Quindi ovviamente abbiamo Michael come nostro kosky della Pontificia Università Cattolica di Rio de Janeiro, e lui Lopez de la vieja. |
| |
Federal University di Rio de Janeiro, e voi ragazzi andrete oltre. |
| |
Gli approcci all'acqua e la classificazione di Kirkland o l'ottenimento di strutture in base alle proprietà strutturali utilizzando jail cell 2021 dash us desk 30 MP dash 874 suonano correttamente. |
| Felipe Lopes |
Sì. |
| Michael Nazarkovskij |
Ok, il nome intero il nome completo. |
| Josh Staunton |
Sì, il nome completo va bene ora ragazzi. |
| |
Se capisci che questo viene registrato per l'utilizzo di JMP discovery Summit Conference, sarà disponibile pubblicamente e la comunità di utenti JMP concede l'autorizzazione per questa registrazione e utilizzo. |
| Felipe Lopes |
Sì, lo voglio, sì, grazie. |
| Michael Nazarkovskij |
Buono ok. |
| Josh Staunton |
Michele sei bravo. |
| |
sì, certamente. |
| |
sì, una specie di analogia qui. |
| |
sembra che voi ragazzi abbiate. |
| |
I tuoi telefoni si sono spenti e come me o qualcosa del genere che potrebbe. |
| Michael Nazarkovskij |
Distruggi sì. |
| |
Tutto ciò che può disturbare, disattiverò semplicemente i suoni più vecchi e Skyway ricorderà questi requisiti e George per favore dimmi durante la sessione, voglio dire, dopo la registrazione della sessione, catturerai le cose rilevanti o sarà come il tutto. |
| Josh Staunton |
Sì, quindi andrà dritto. Non credo che faranno alcuna modifica durante questo se, per qualche motivo, ci fosse qualcosa. |
| |
catastrofico che è successo, possiamo ricominciare dall'inizio, ma penso che ti lasceranno andare dritto, non preoccuparti per te, sai, ehi, siamo tutti umani qui, quindi. |
| |
Hai fatto un errore, prova solo a continuare a rotolare con esso nessuno non è non deve essere perfetto le statistiche giuste non sono perfette quindi non è necessario neanche tu, ma sì. |
| |
Andare avanti. |
| Felipe Lopes |
No. |
| Josh Staunton |
Scusami. |
| |
Va bene, Michael suona bene. |
| Michael Nazarkovskij |
si, va tutto bene, va tutto bene. |
| |
Quindi sì. |
| Josh Staunton |
l'ultima cosa che vediamo. |
| |
Va bene. |
| |
sì già bene a quello. |
| |
Va bene, solo la barra delle applicazioni. |
| |
Ora vado a. |
| |
Avete altre domande o siete quasi pronti per presentare e. |
| |
È. |
| Michael Nazarkovskij |
Sì. |
| |
sì, credo. |
| Felipe Lopes |
condividi il mio schermo Michael, condividi il tuo schermo come. |
| Michael Nazarkovskij |
Sei fratello. |
| |
Ma va bene Josh tecnicamente va bene se condividiamo i nostri schermi uno dopo l'altro sì. |
| Josh Staunton |
sì, lo sai che va bene sì. |
| |
Assicurati solo di sapere ovviamente di inoltrare le diapositive e di non essere troppo indietro rispetto alle diapositive e. |
| Michael Nazarkovskij |
si ma. |
| Josh Staunton |
sì, assolutamente, ragazzi, sapete cosa. |
| Michael Nazarkovskij |
Faremo in modo che abbiano l'intero la stessa presentazione se tutte le nostre parti sono insieme, quindi lo facciamo uno dopo l'altro va bene Grazie. |
| Josh Staunton |
Va bene bene e voi ragazzi sapete come condividere gli schermi usando lo zoom prima. |
| |
Sì. |
| Felipe Lopes |
Sto solo preparando la corsa qui. |
| |
metti questo. |
| |
Sì. |
| Josh Staunton |
Come i tuoi sfondi. |
| Felipe Lopes |
La mia condivisione dello schermo giusto in questo momento. |
| Michael Nazarkovskij |
Ottimo va tutto bene. |
| Felipe Lopes |
Sì. |
| |
è la presentazione giusta. |
| |
Perché sto andando allo schermo e a volte lo schermo sbagliato e vomita così. |
| Michael Nazarkovskij |
Perfetto è tutto perfetto. |
| Josh Staunton |
Sembra fantastico, ho intenzione di spegnere il mio. |
| |
La mia macchina fotografica ora, ma ve la passo signori, grazie ancora e. |
| |
Immagino che possiamo parlare alla fine se loro. |
| Michael Nazarkovskij |
sarebbe stato bello rivederti josh. |
| Josh Staunton |
Va bene, abbi cura di te. |
| Felipe Lopes |
Quindi, ciao a tutti. Mi chiamo Felipe Lopes de Oliveira. Vengo dall'Università Federale di Rio de Janeiro e sto presentando questo lavoro con Michael |
| |
Nazarkovsky, della Pontificia Università Cattolica sempre di Rio de Janeiro. E oggi vi presentiamo il lavoro, Approcci moderni nella classificazione di strutture organiche covalenti per proprietà tessiturali e... per proprietà tessiturali utilizzando il software JSL. |
| |
Quindi le strutture organiche covalenti sono una nuova classe di materiali composta solo da elementi leggeri come carbonio, azoto, ossigeno, idrogeno e boro. |
| |
Sono organici, cristallini, nanoporosi, altamente stabili nei materiali reticolari. Ciò significa che i legami chimici che formano questi materiali seguono uno schema geometrico ben definito dettato dalla topologia della rete. |
| |
In questa immagine, mostro un esempio di un reticolo di tipo HCB, che è composto da triangoli e aste collegati periodicamente, |
| |
formare una rete estesa. Questi triangoli e bastoncini rappresentano molecole che possono essere... che chiami blocchi di costruzione che sono legati in modo covalente e formano una struttura estesa |
| |
con le caratteristiche geometriche di questa natura. Ci sono molti diversi tipi di |
| |
geometrie di molecole che possono essere utilizzate come elementi costitutivi e diversi tipi di legami chimici che usiamo per connetterci ad esse. |
| |
In questo modo è possibile formare una struttura con caratteristiche estremamente specifiche, come ??? che possiamo controllare nell'ordine di ??? nelle caratteristiche fisiche e chimiche dell'interno del |
| |
??? che può... che abbiamo definito dagli elementi costitutivi. Quindi possiamo pensare ai mattoncini come pezzi di Lego, dove diversi pezzi possono essere usati per costruire diverse strutture con caratteristiche uniche. |
| |
In questa diapositiva mostro diverse possibili topologie che possono essere utilizzate per costruire quadri organici covalenti sia bidimensionali che tridimensionali, |
| |
così come il formato che ogni elemento costitutivo deve utilizzare per costruire queste reti. A destra, mostro un esempio di un modello di struttura cristallina di COF |
| |
con un ??? rete, che verrà utilizzata per calcolare le proprietà di interesse in futuro. È possibile vedere che il formato forma una struttura composta da uno strato covalente bidimensionale |
| |
e questi strati sono impilati nell'equivalente di un geografie la terza dimensione. |
| |
Grazie alle loro incredibili capacità di modulazione, i COF possono essere utilizzati per diverse applicazioni estremamente interessanti, come catalisi eterogenea, produzione di energia, stoccaggio, |
| |
semiconduttori organici, rilevamento chimico, isolamento termico e cattura e stoccaggio di gas, tra gli altri. Tuttavia, a causa della maggiore modularità che... |
| |
anche questa maggiore modularità può essere un problema, ma lo sviluppo di questi materiali è davvero complesso. |
| |
Usano... di solito sono sviluppati attraverso una combinazione di intuizione chimica e molecole disponibili. |
| |
Con diversi passaggi di sintesi e caratterizzazione che si ripetono con materiali ad alto ??? è ottenuto. Questo materiale è sviluppato... |
| |
Lo sviluppo di questo materiale è molto lungo, costoso e richiede diversi...20 professionisti per eseguirlo. E a volte, tutti questi sforzi non portano a... |
| |
non portano a un materiale con le caratteristiche desiderate. Quindi, per cercare di risolvere questo problema, noi... |
| |
per cercare di risolvere questo problema, proponiamo un semplice e ??? approccio computazionale per studiare questi materiali e quindi cercare di accelerarne lo sviluppo. |
| |
Inizialmente utilizziamo un database di strutture, ora come COF curati, che ha raccolto diverse strutture sintetizzate e presentate in letteratura. |
| |
Quindi usiamo alcune routine di costruzione per sviluppare valori per convalidare quelle strutture e assicurarci che tutto sia a posto. Successivamente usiamo un basato su DFT |
| |
software di calcolo elettronico della struttura chiamato CP2K per ottimizzare i parametri self(?) nelle posizioni atomiche delle strutture. Quindi usiamo un software chiamato ZEO++, |
| |
che esegue l'analisi geometrica dei pori e la corrispondenza percentuale tra la formazione di ??? reti al loro interno. |
| |
E poi determina una serie di descrittori strutturali per i costi selezionati. Questo è uno script del mio collega Michael nel software JMP per eseguire diverse analisi estremamente interessanti. |
| |
Bene, qui sto mostrando le principali strutture che usiamo. Per prima cosa abbiamo un ID struttura, che fondamentalmente penso sia la classificazione del nome della struttura. |
| |
E di seguito abbiamo il LIS, che sta per grande sfera inclusa, che ci fornisce le informazioni sul diametro dei pori del materiale. |
| |
Abbiamo LFS, grande sfera libera, e LSFP, percorso libero di grandi sfere, con... che fondamentalmente è la stessa cosa della grande sfera inclusa, ma può codificare le informazioni... |
| |
la differenza nell'influenza del diametro dei pori di diverse funzionalizzazione all'interno dei pori. Abbiamo anche la SSA e la SSAV, che è l'area specifica, sia in metri quadrati per grammo che in metri quadrati per unità di volume. |
| |
AVF, che è la frazione di volume accessibile, che è la quantità di materiale formata dai pori e Vp è il volume dei pori. |
| |
E poi, abbiamo N(chan), che è il numero di canali accessibili. |
| |
Qui in figura mostro una struttura con un solo canale, ma i materiali tridimensionali possono avere più di un canale accessibile. |
| |
Abbiamo ChanDim, che è la dimensionalità dei canali che possono essere 1D, come in questa struttura, 2D e 3D. E la dimensione del canale, che in pratica a volte è il diametro dei pori, ma per ??? le strutture possono essere leggermente diverse. |
| |
E ora, Michael parlerà un po' dei risultati. |
| Michael Nazarkovskij |
Sì, grazie mille. Grazie mille, Felipe, per un'introduzione così brillante, quindi ora sarà pura analisi dei dati e scienza dei dati. Quindi permettetemi di condividere il mio schermo a mia volta, va bene. Ok, questo è quello che farò adesso. |
| |
Perfetto. Roba buona. |
| |
Ok, allora partiamo dall'inizio della seconda parte. È arrivato il momento di analizzare i dati di quelle... di queste... una quantità così grande, direi, di strutture ottenute da Felipe. |
| |
Solo un momento. Buono ok. Dopo la prima, diciamo, da prima di ogni analisi, devono recuperare i dati ed escludere alcune strutture errate o irrilevanti |
| |
e schermo per rilevare i valori mancanti. Nessun valore mancante è stato rilevato durante l'analisi e lo screening. Abbiamo anche scoperto dopo il |
| |
visualizzazione dei dati che la maggioranza assoluta delle strutture disponibili è assegnata alla struttura più l'85% e il 15% il tutto in una struttura 3D. Quindi, fin dall'inizio, abbiamo un set di dati sbilanciato ora da prevedere. Maggioranza assoluta dei |
| |
i canali è assegnato a monodimensionale |
| |
canali e sono poco più...più dell'80% e quasi il 17% è attribuito al 3D dimensionale e poco meno del 2% è attribuito ai canali che sono bidimensionali. |
| |
Inoltre, tutti questi canali sono abbastanza isotropi, quindi significa che in tutte le direzioni (X, Y e Z) sono uguali, il che si riflette sul diagramma 3D tridimensionale dei dati. |
| |
Se distribuiamo tutti i dati tra le strutture, intendo strutture 2 e 3D, potremmo vedere il monodimensionale, bidimensionale prendere la maggioranza assoluta. Sta prendendo più del 90% per quella struttura 2D e il 3D. |
| |
3D, intendo 3D, canali tridimensionali. Quasi più del 60% è occupato da strutture 3D, tuttavia, abbastanza... una quantità piuttosto elevata di |
| |
di tre è anche preso da strutture 2D, perché solo che hanno un valore molto di più... un valore molto più alto come l'85%. |
| |
Per evitare questo, per evitare un tale sbilanciamento |
| |
situazione, stiamo intraprendendo alcuni senza sorveglianza |
| |
approcci, insieme a metodi supervisionati di machine learning |
| |
dopo la preparazione dei dati. Allora cosa facciamo nel primo primo??? di queste analisi, analisi multivariata per rilevare la colinearità |
| |
e correlazioni tra i parametri. Quindi, come possiamo vedere che i primi tre (LIS, LFS e LSFP) sono altamente correlati, quindi uno può essere sostituito da altri. Tuttavia, tale caratteristica sarà molto importante, mentre l'analisi di PCA |
| |
(analisi del componente principale). Questo è il motivo per cui, per il clustering gerarchico, abbiamo selezionato solo un parametro di essi. |
| |
Nel caso in cui anche X, Y e Z per una dimensione del canale, il nostro isotropo significa lo stesso. però |
| |
è stata presa la decisione di mantenerli tutti, perché questo è strettamente correlato alla struttura nativa del 2D... del composto 2D... strutture composte dei COF chiave. |
| |
Ebbene, vista la loro grande quantità, quasi 500 strutture, abbiamo deciso di selezionare fino a 13 cluster, che possono essere più significativi e rilevanti ottimali per rapporto o per la porzione prelevata dal...numero totale...numero intero di cluster e analizzare loro |
| |
per il mezzo |
| |
parametri, che si riflettono sulla tabella. |
| |
Come possiamo vedere, dopo un numero 13, ce n'è un altro enorme |
| |
riduzione delle distanze di clustering... cluster, quindi questo è il motivo per cui 13, si è supposto che fosse la quantità ottimale dei cluster. E da loro abbiamo selezionato l'ammasso più massiccio, l'ammasso #7, che ha contenuto...comprende 128 |
| |
campioni di struttura 2D, quindi verrà utilizzato per la classificazione in seguito. |
| |
A loro volta, le strutture 3D sono, come potrei... oserei dire che sono già le stesse. Abbiamo ancora osservato un'elevata correlazione tra LIS, LFS e LSFP, quindi anche per questo |
| |
le condizioni per l'estrazione dei cluster erano le stesse del 2D. Tuttavia con una quantità inferiore di cluster, come abbiamo deciso di prenderne sette. Tuttavia da questi sette cluster ne abbiamo estratti quattro, tanto per mantenerli almeno |
| |
il rapporto tra 2D e 3D più vicino all'uguaglianza. E non sarà uguale, |
| |
tuttavia, come vedrai nella prossima diapositiva, sarà molto meglio, meno sbilanciato di 85 a 15. |
| |
Dal confronto di due tabelle sulla variazione della variabilità dei parametri, possiamo vedere che le ultime quattro in entrambi i casi sono responsabili di una maggiore variabilità delle strutture all'interno di ciascun insieme. Frattura del volume... frazione... mi dispiace, |
| |
volume totale dei pori ed entrambi i tipi di superficie specifica, quindi sono sullo stesso livello e sono responsabili di una maggiore variabilità di by tra le strutture. Quindi, come ho detto, abbiamo avuto meno... |
| |
meno differenza tra due strutture alla fine. |
| |
Validazione...validazione addestrata giocata due set sono stati costruiti e stratificati sulla base delle strutture ottenute da...prese dai cluster più massicci e ben distribuite. |
| |
E cominciamo con la regressione logistica, come le più semplici analisi parametriche... parametriche. Dopo aver eliminato il più irrilevante |
| |
variabili, abbiamo lasciato solo due volume totale dei pori e frazione di volume. |
| |
Sono anche altamente correlati, come |
| |
una percentuale molto ampia di correlazioni lo sono. Tuttavia, ci vorrebbe uno, come puoi vedere, scusa, lo stesso LogWorth, quindi significa che non possiamo escludere, |
| |
per esempio, frazione di volume... frazione perché l'ho fatto una volta per testare come funzionerà e la sua mancanza è diventata significativa e |
| |
il tasso di classificazione errata nella convalida ha ottenuto il 20%. E rispetto a qui, abbiamo ottenuto la convalida, zero errori di classificazione per l'attribuzione completa a destra... corretta a ciascun gruppo |
| |
e con una classificazione errata bassa...abbastanza bassa nel training set. Il resto delle metriche... le misure delle prestazioni del modello saranno più discusse alla fine, quindi quando confronteremo tutte le prestazioni di tutti i modelli. Anche i loro rispettivi |
| |
equazioni per prevedere la probabilità, prevedere che la struttura è stata creata e data, è stata ottenuta e data... presentata in questa diapositiva. Quindi andiamo oltre. Ecco perché, nel prossimo |
| |
modellazione, abbiamo usato solo questi due parametri... parametri per prevedere entrambe le strutture (2D o 3D), quindi prendere a calci i vicini più vicini come modello non parametrico ha dato loro il meglio |
| |
metriche...migliori prestazioni e convalida a 1K, quindi basta un solo vicino solo per riconoscere l'assegnato...per riconoscere la struttura. Come si vede dallo schema di... |
| |
Voglio dire, che un volume totale dei pori e una frazione di volume, scusa, così possiamo vederlo |
| |
per il 2D abbiamo una quantità più concentrata di questa struttura. È |
| |
molto |
| |
concentrato in un punto. Tuttavia, a differenza del 3D, sono piuttosto diffusi. Ecco perché confronterebbe le distanze. Qui nella parte destra della diapositiva, puoi vedere che le distanze più alte tra i vicini sono relative a |
| |
Strutture 3D come in validazione, come in training set. Ecco perché possiamo usare anche questi modelli non parametrici...un unico modello non parametrico da applicare nell'attribuzione usando solo questi due parametri. |
| |
Anche l'analisi discriminante quadratica fornisce zero errori di classificazione nella convalida e meno del 5% di errori di classificazione nel training set, classificando solo otto campioni. Quindi è anche facile ... è visto come nella matrice di confusione e anche nel diagramma della trama parallela. |
| |
E anche il resto del... |
| |
il resto dei parametri verrà descritto...sarà discusso più avanti perché questo modello ha alcuni trucchi...sarà... |
| |
più interessante...sarà...vedremo alla fine. Quindi Naive Bayes è un altro modello parametrico ma molto semplice, che ha anche dato zero errori di classificazione. Quindi la situazione sta diventando abbastanza competitiva... competitiva. |
| |
Come possiamo vedere qui anche entrambi i parametri sono quasi uguali per i loro effetti quindi |
| |
l'effetto totale è quasi 0,88 per il volume totale dei pori e per la frazione di volume è quasi otto...0,8, ecco perché sono quasi uguali nel contributo per il loro compito di classificazione. |
| |
E semplici anche trame sono state costruite per la previsione. |
| |
La macchina vettoriale di supporto non è stata dimostrata, anche prestazioni brillanti. Come si vede quello di 64...scusa 46??? i vettori sono stati usati per costruire un tale modello con zero errori di classificazione alla fine. E alcuni |
| |
classificazione errata in una formazione (6%) e, soprattutto, la più grande percentuale di classificazione errata è stata per esattamente il 3D, in cui sono stati classificati erroneamente. |
| |
Ok, allora andiamo oltre. E infine, stiamo arrivando a un modello complesso che combina approcci non supervisionati e supervisionati, PCA non supervisionato. In questo caso li abbiamo presi tutti tutti... |
| |
parametri quantitativi continui, compresi tutti, anche quelli fortemente correlati tra loro, e abbiamo costruito |
| |
diagrammi e grafici per PCA. E come possiamo vedere, due componenti principali che hanno i valori di |
| |
più di uno per la regola di Kaiser, quindi significa che a questo punto ne abbiamo un altro quasi vicino a un componente, il terzo componente, non lo coinvolgeremo nel modello di previsione. Coinvolgeremo solo i primi due |
| |
dove quegli autovalori erano più di uno. E ciò che è interessante, qui possiamo vedere che nella prima componente, la componente principale che può descrivere quasi il 66% dei casi, questa comprende, |
| |
diciamo, LIS, LFS, LSFP e canali... parametri dei canali, quindi intendo le dimensioni X, Y e Z, quelle direzioni. Quindi questo è come, diciamo, ??? canali, ??? set di canali. |
| |
E il secondo, il secondo componente per lo più buono, potrebbe essere descritto da entrambi i tipi di superficie specifica e porosità. Questo è un puro parametro strutturale. |
| |
Quindi, come possiamo vedere che anche qui, stiamo osservando una tale differenza di certificazione e possiamo trarre conclusioni sul contributo di entrambi i parametri nella previsione, in questa descrizione del. |
| |
strutture. Quindi, dopo aver costruito la regressione logistica, utilizzando solo questi due componenti principali, la loro formula verrà fornita nella... .nell'ambito del presente vertice. |
| |
Anche qui, ovviamente, abbiamo ottenuto un tasso di classificazione errata pari a zero e una classificazione errata molto, molto bassa, inferiore all'1% nella formazione...mentre la formazione, che non è...che è...non era...che non è stata osservata per i modelli precedenti. Quindi ora stiamo arrivando al massimo |
| |
parte interessante, la conclusione sul nostro |
| |
riassunto |
| |
Modelli. Quindi, come possiamo vedere, riassumiamo per errata classificazione il training set, ovviamente perché abbiamo ottenuto alcuni valori lì. Possiamo vedere la regressione logistica...i modelli di regressione |
| |
come semplice e basato su PCA, qui in cima alla classifica per errata classificazione e per analisi discriminante di convalida. Però, |
| |
quello che possiamo dire qui, le cose che abbiamo tutti i loro array di classificazione errata o l'accuratezza come opposto del parametro, dovremmo confrontare altre metriche. |
| |
Quindi quello che possiamo vedere che, va bene, abbiamo anche da altre metriche, valori più alti quindi vantaggiosi dell'analisi discriminante. Ma se diamo un'occhiata più da vicino, |
| |
vedremo... tutti vedranno che c'è un'enorme differenza tra queste metriche, anche tra il tasso di errata classificazione, tra la convalida e la formazione. Così possiamo fare |
| |
una cosa, sai che noi abbiamo riscontrato alcuni problemi con l'overfitting o l'underfitting. In questo caso, ci occupiamo principalmente di underfitting poiché l'invalidazione delle metriche è migliore di |
| |
per allenamento. Normalmente si verificherà l'opposto, sì, la maggior parte... la maggior parte dei casi riguarda l'overfitting quando l'addestramento sta sovradimensionando i dati e otteniamo metriche peggiori nella convalida. Qui è completamente opposto, quindi ecco perché |
| |
queste metriche, come l'entropia R quadrato e generalizzare R quadrato e log medio P, e anche il tasso di classificazione errata, |
| |
sono state analizzate... sono state analizzate le differenze per queste quattro metriche, ed è per questo che stiamo selezionando il meglio del meglio. Come accennato in precedenza, l'analisi discriminante ha dimostrato il più alto |
| |
qualità della prestazione, tuttavia, presenta una delle differenze più grandi tra le metriche di validazione in allenamento, rispetto ad altre. Ricordati che |
| |
alla convalida, tutti hanno dato zero, quindi significa che possiamo selezionare quasi |
| |
ognuno di loro, con il bilanciamento ottimale di altre metriche... differenze per le metriche tra validazione e formazione. Quindi quello che possiamo vedere qui, ad esempio, il più basso... |
| |
la differenza più bassa tra il tasso di classificazione errata e l'entropia R al quadrato è attribuita alla regressione logistica, combinata con la PCA. |
| |
Altre due metriche, come generalizzare la differenza tra... si osserva la differenza nel quadrato R generalizzato e il log medio P |
| |
in per la macchina del vettore di supporto. Per Naive Bayes, tuttavia, non possiamo selezionare questo modello, perché almeno in due |
| |
parametri, ha una differenza enorme. Quindi questo è il motivo |
| |
possiamo supporre che per le migliori prestazioni, per la regressione logistica più corretta, sia consigliata, e anche facoltativamente raccomandata, supportare la macchina vettoriale come un altro modello per prevedere strutture 2D e 3D. Maggiori dettagli e altro |
| |
i metodi saranno indicati nel nostro documento, che presenteremo entro due settimane |
| |
e pubblicare sul sito Web di JMP Community. Quindi grazie mille, è stato un grande piacere fare una presentazione del genere. Quindi ho molto apprezzato anche il mio collega David Kirmayer dell'Università Ebraica di Gerusalemme in Israele. Grazie per l'attenzione. |
| Josh Staunton |
Tutto a posto. |
| |
Grazie, signori. |
