Altoparlante
|
Trascrizione
|
| Josh Staunton |
Michael. |
| Michele Nazarkovskij |
ciao josh solo un momento. |
| |
Va bene. |
| Michele Nazarkovskij |
Oh sì no no funziona bene. |
| Josh Staunton |
Bene, posso vederti, grazie. |
| Michele Nazarkovskij |
Mentre tu. |
| |
Mentre aspettiamo Phillippi dice che è il primo, quindi gli ho parlato solo 10 minuti fa, quindi stai registrando proprio ora sì. |
| Josh Staunton |
sì, inizia la registrazione, modificheremo solo questa parte. |
| |
Una volta che lo esamineremo e avremo un paio di domande da fare una volta che Philippe si unirà e poi te lo passerò, spegni la mia macchina fotografica e mio mio figlio e ti lascio che voi ragazzi lo portiate via, ma grazie perché per fare questo lo apprezziamo. |
| Michele Nazarkovskij |
Oh, grazie mille, davvero, è stata una grande sorpresa per me quando hanno ricevuto un tale messaggio sulla possibilità di partecipare. |
| |
In questo evento o in realtà 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, gli argomenti così buoni sono stati chiariti, quindi ho deciso di non perdere questa opportunità questo anno. |
| Josh Staunton |
si fantastico fantastico. |
| |
Bene, sai, sfortunatamente, sai che quest'anno sarà di persona, ma sai, abbiamo ancora degli ottimi contenuti e. |
| |
Noi, si spera, in futuro, possiamo portarti a uno degli eventi di scoperta di persona che sono sempre divertenti. |
| Michele Nazarkovskij |
Oh sì, si spera come. |
| |
Ho iniziato a usare la marmellata dall'inizio dell'anno scorso e proprio dall'inizio del pigiama. |
| |
sì sì così abbastanza veloce molto semplicemente, direi. |
| |
sì e faccio la pandemia o ci riesco molto 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 e forse ho anche tre articoli in parallelo, ben consapevole, coinvolgo JMP. |
| |
Dai. |
| Josh Staunton |
Tutto ciò che è carino. |
| |
Apprendimento rapido che fa per te. |
| Michele Nazarkovskij |
Solo sai che aiuta molto ovviamente per un pensiero statistico. |
| |
si solo si. |
| |
Sì. |
| Josh Staunton |
stiamo usando prima di usare solo una specie di open source per fare le tue analisi in passato o. |
| Michele Nazarkovskij |
Open Source intendi. |
| Josh Staunton |
Su o qualcosa del genere. |
| |
Per ridurlo a quello di qualcun altro. |
| Michele Nazarkovskij |
Ah, no, no, no, no, no, sai che ho iniziato a imparare Python ma sai una cosa. |
| |
Intendo contrastare alcune difficoltà nell'apprendimento. |
| |
Quindi sono chimico e chimico fisico e in realtà uso tutta questa roba per la scienza dei materiali di chimica, come vedrai in questo momento sì, quindi ho deciso di passare da Python al laboratorio di matematica parallelamente a Pro Six Road per fare progressi lì perché. |
| |
l'interfaccia di machine learning per metalab in Jeff è più che sufficiente per gli scienziati. |
| Josh Staunton |
Sì, sì no, è fantastico sentirlo, sono contento che tu l'abbia abbracciato e sai che eccellere con esso è fantastico. |
| Michele Nazarkovskij |
Bene, lasciami, lasciami per favore mandare un messaggio a Phillippi. |
| |
Ok 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 arrivato no. |
| |
strano. |
| Josh Staunton |
in tempo reale. |
| |
Quindi non è stato necessario inserire alcuna password, abbiamo fatto clic sul collegamento e siamo appena entrati correttamente. |
| Michele Nazarkovskij |
Bene, gli ho inviato il link solo facendo, ma non ricordo se è necessario che ci sia una password. |
| Josh Staunton |
Non dovresti avere affari, sì. |
| Michele Nazarkovskij |
questo è il punto, quindi mi sta mandando un messaggio in questo momento tra un momento. |
| |
OH. |
| |
Oh sì, quindi la cosa non è che lo zoom si è nuovamente riscontrato e problemi con Internet in questo momento. |
| |
OH. |
| Michele Nazarkovskij |
abbiamo un'ora sì |
| Josh Staunton |
si sta unendo proprio ora. |
| Michele Nazarkovskij |
Oh bene. |
| |
SÌ. |
| Filippo Lopes |
Ciao. |
| Michele Nazarkovskij |
Ciao finalmente sei un eroe, quindi stai lanciando la presentazione così josh proprio come un modo in cui josh ci sta aspettando quindi siamo in tempo in realtà. |
| Filippo Lopes |
Sì, esattamente in qualsiasi momento, sì. |
| Josh Staunton |
Sicuramente, un tempo, intendo il essere. |
| |
Piacere di conoscerti, il mio nome è. |
| |
josh voglio dire che non lo faccio. |
| |
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 adesso, ma modificheremo quella parte più tardi. |
| |
Quindi un paio di cose. |
| |
Esatto, quindi immagino. |
| |
Quindi ovviamente abbiamo Michael come nostro kosky della Pontificia Università Cattolica di Rio de Janeiro, e lui Lopez de la vieja. |
| |
Università Federale 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 materiche utilizzando la cella di prigione 2021 dash us desk 30 MP dash 874 suona correttamente. |
| Filippo Lopes |
SÌ. |
| Michele Nazarkovskij |
Ok, il nome intero il nome completo. |
| Josh Staunton |
Sì, il nome completo va bene ora ragazzi. |
| |
Solo tu capisci che questo è stato registrato per l'utilizzo di JMP discovery Summit Conference, sarà disponibile pubblicamente e la comunità di utenti JMP concede il permesso per questa registrazione e utilizzo. |
| Filippo Lopes |
Sì, lo voglio, sì, grazie. |
| Michele Nazarkovskij |
Buono ok. |
| Josh Staunton |
Michele sei bravo. |
| |
si, certo. |
| |
sì tipo di analogia qui. |
| |
sembra che voi ragazzi abbiate. |
| |
I tuoi telefoni si sono spenti e come me o qualcosa del genere potrebbe. |
| Michele Nazarkovskij |
Distruggi sì. |
| |
Qualunque cosa possa disturbare, disattiverò semplicemente i suoni più vecchi e più vecchi e skyway ricorderà questi requisiti e George, per favore, dimmi durante la sessione, intendo dopo la registrazione della sessione, catturerai le cose rilevanti o sarà come l'intero. |
| Josh Staunton |
Sì, quindi andrà dritto, non penso che faranno alcun montaggio durante il film se, per qualche ragione, c'era qualcosa. |
| |
catastrofico quello che è successo, possiamo ricominciare dall'inizio, ma penso che ti lasceranno andare dritto, non preoccuparti, sai, ehi, siamo tutti umani qui, giusto così. |
| |
Hai commesso un errore, prova a continuare a farlo, nessuno è così, non deve essere perfetto, giusto, le statistiche non sono perfette, quindi non è necessario neanche tu, ma sì. |
| |
Andare avanti. |
| Filippo Lopes |
NO. |
| Josh Staunton |
Mi dispiace. |
| |
Va bene? Michael suona bene. |
| Michele Nazarkovskij |
sì, va tutto bene, va tutto bene. |
| |
Quindi sì. |
| Josh Staunton |
l'ultima cosa che vediamo. |
| |
Va bene. |
| |
sì già buono a quello. |
| |
Va bene, solo barra delle applicazioni. |
| |
Adesso lo farò. |
| |
Ragazzi, avete altre domande o siete praticamente pronti a presentare e. |
| |
È. |
| Michele Nazarkovskij |
Sì. |
| |
sì, credo. |
| Filippo Lopes |
condividi il mio schermo Michael condividi il tuo schermo come. |
| Michele Nazarkovskij |
Sei fratello. |
| |
Ma okay josh tecnicamente va bene se condividiamo i nostri schermi uno dopo l'altro sì. |
| Josh Staunton |
sì, sai che va bene, sì, solo. |
| |
Assicurati solo di essere ovviamente in grado di inoltrare le diapositive e di non stare troppo indietro rispetto alle diapositive e. |
| Michele Nazarkovskij |
si ma. |
| Josh Staunton |
sì assolutamente ragazzi sapete cosa. |
| Michele Nazarkovskij |
Faremo che abbiano l'intera stessa presentazione è che tutte le nostre parti sono insieme quindi lo facciamo solo uno dopo l'altro va bene Grazie. |
| Josh Staunton |
Va bene bene e voi ragazzi sapete come condividere gli schermi prima di usare lo zoom. |
| |
SÌ. |
| Filippo Lopes |
Sto solo preparando la corsa qui. |
| |
metti questo. |
| |
SÌ. |
| Josh Staunton |
Come i tuoi sfondi. |
| Filippo Lopes |
La mia condivisione dello schermo giusto in questo momento. |
| Michele Nazarkovskij |
Ottimo va tutto bene. |
| Filippo Lopes |
Sì. |
| |
è la presentazione giusta. |
| |
Perché sto andando allo schermo ea volte lo schermo sbagliato e vomita così. |
| Michele Nazarkovskij |
Perfetto è tutto perfetto. |
| Josh Staunton |
Sembra fantastico, spegnerò il mio. |
| |
La mia macchina fotografica ora, ma ve la passo, signori, grazie ancora e. |
| |
Immagino che alla fine possiamo parlare se loro. |
| Michele Nazarkovskij |
sarebbe stato bello rivederti Josh. |
| Josh Staunton |
Va bene, abbi cura di te. |
| Filippo Lopes |
Quindi, ciao a tutti. Mi chiamo Felipe Lopes de Oliveira. Vengo dall'Università Federale di Rio de Janeiro e presento questo lavoro con Michael |
| |
Nazarkovsky, della Pontificia Università Cattolica sempre di Rio de Janeiro. E oggi presentiamo il lavoro, Modern Approaches in Classification of Covalent Organic Frameworks by Textural and...by Textural Properties Using the JSL Software. |
| |
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 reticolo di tipo HCB, che è composto da triangoli e aste collegate periodicamente, |
| |
formare una rete estesa. Questi triangoli e questi bastoncini rappresentano molecole che possono essere... che tu chiami blocchi costitutivi 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, chimiche dell'interno del |
| |
??? che può... che abbiamo definito dai mattoni. Quindi possiamo pensare ai blocchi di costruzione come pezzi di Lego, dove pezzi diversi possono essere usati per costruire diverse strutture con caratteristiche uniche. |
| |
In questa diapositiva mostro diverse possibili topologie che possono essere utilizzate per costruire strutture organiche covalenti sia bidimensionali che tridimensionali, |
| |
così come il formato che ogni elemento costitutivo deve avere 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 una geografia della terza dimensione. |
| |
Grazie alle loro incredibili capacità di modulazione, i COF possono essere utilizzati per diverse applicazioni estremamente interessanti, come la catalisi eterogenea, la produzione di energia, lo 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 ripetuti con materiali ad alto ??? è ottenuto. Questo materiale è sviluppato... |
| |
Lo sviluppo di questo materiale richiede molto tempo, è 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 cercare così di accelerarne lo sviluppo. |
| |
Inizialmente utilizziamo un database di strutture, ora come COF curati, che ha compilato diverse strutture sintetizzate e presentate in letteratura. |
| |
Quindi usiamo alcune routine di costruzione per sviluppare valori per convalidare quelle strutture e assicurarci che tutto vada bene. Quindi usiamo un file basato su DFT |
| |
software di calcolo elettronico della struttura chiamato CP2K per ottimizzare i parametri self(?) nelle posizioni atomiche delle strutture. Poi usiamo un software chiamato ZEO++, |
| |
che esegue analisi geometriche dei pori e corrispondenza percentuale tra la formazione di ??? reti al loro interno. |
| |
E quindi 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 in pratica è una classificazione del nome della struttura. |
| |
E a seguire, abbiamo il LIS, che sta per grande sfera inclusa, che ci dà l'informazione del diametro dei pori del materiale. |
| |
Abbiamo LFS, grande sfera libera, e LSFP, grande percorso libero della sfera, 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 l'SSA e l'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 quanto del materiale è formato da pori e Vp è il volume dei pori. |
| |
E poi, abbiamo la N(chan), che è il numero di canali accessibili. |
| |
Qui nella figura sto mostrando 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. |
| Michele Nazarkovskij |
Sì, grazie mille. Grazie mille, Felipe, per un'introduzione così brillante, quindi ora sarà pura analisi dei dati e scienza dei dati. Quindi fammi 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 giunto il momento di analizzare i dati di quelle... di queste... una quantità enorme, 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 la loro analisi e screening. Abbiamo anche scoperto dopo il |
| |
visualizzazione dei dati che la maggioranza assoluta delle strutture disponibili sono assegnate alla struttura più 85% e 15% tutte in una struttura 3D. Quindi fin dall'inizio, ora abbiamo un set di dati sbilanciato da prevedere. Maggioranza assoluta dei |
| |
canali è assegnato a monodimensionale |
| |
canali e ce ne sono poco di 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 le strutture 2 e 3D, potremmo vedere il monodimensionale, il bidimensionale prendere la maggioranza assoluta. Più del 90% per quella struttura 2D e 3D sta prendendo. |
| |
3D, intendo 3D, canali tridimensionali. Quasi più del 60% è occupato da strutture 3D, tuttavia, abbastanza... una quantità piuttosto elevata |
| |
di tre è preso anche dalle strutture 2D, perché hanno un valore molto di più... molto più alto come l'85%. |
| |
Per evitare questo, per evitare un tale squilibrio |
| |
situazione, ne stiamo intraprendendo alcuni senza supervisione |
| |
approcci, unitamente a metodi supervisionati del machine learning |
| |
dopo la preparazione dei dati. Quindi cosa facciamo nel primo primo ??? di queste analisi, analisi multivariata per rilevare la colinearità |
| |
e correlazioni tra i parametri. Quindi, come possiamo vedere, 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 del PCA |
| |
(analisi del componente principale). Questo è il motivo per cui, per il clustering gerarchico, ne abbiamo selezionato un solo parametro. |
| |
Nel caso in cui anche X, Y e Z per una dimensione del canale, il nostro isotropo significa lo stesso. Tuttavia |
| |
è stata presa la decisione di mantenerli tutti, perché questo è fortemente correlato alla struttura nativa del 2D... del composto 2D... delle strutture composte dei COF chiave. |
| |
Bene, a causa della loro elevata quantità, quasi 500 strutture, abbiamo deciso di selezionare 13 cluster, che possono essere più significativi e rilevanti ottimali per rapporto o la porzione presa dal... tutto il numero... intero numero di cluster e analizzare loro |
| |
per la media |
| |
parametri, che si riflettono sulla tabella. |
| |
Come possiamo vedere che, dopo un numero 13, c'è un altro enorme |
| |
riduzione del clustering... distanze dei cluster, ecco perché 13, si è ipotizzato essere la quantità ottimale dei cluster. E da loro abbiamo selezionato l'ammasso più massiccio, l'ammasso n. 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 vorrei... 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 del cluster erano le stesse del 2D. Tuttavia, con una quantità inferiore di cluster, ad esempio abbiamo deciso di prenderne sette. Comunque da questi sette cluster ne abbiamo estratti quattro, giusto per tenerne 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 di variabilità dei parametri, possiamo vedere che le ultime quattro in entrambi i casi sono responsabili della maggiore variabilità delle strutture all'interno di ciascun insieme. Frattura di volume...frazione...scusa, |
| |
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 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 dagli ammassi più massicci e ben distribuiti. |
| |
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 |
| |
un'enorme percentuale di correlazioni lo è. Tuttavia, ci vorrebbe uno circa, come puoi vedere, scusa, lo stesso LogWorth, quindi significa che non possiamo escludere, |
| |
ad 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 corretta...corretta a ciascun gruppo |
| |
e con una classificazione errata bassa... piuttosto bassa nel set di addestramento. Il resto delle metriche ... le misure delle prestazioni del modello saranno discusse più alla fine, quindi quando confronteremo tutte le prestazioni di tutti i modelli. Anche i rispettivi |
| |
equazioni per prevedere la probabilità, predetto 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 utilizzato solo questi due parametri...parametri per prevedere entrambe le strutture (2D o 3D), quindi calciare i vicini più vicini come modello non parametrico ha dato loro il meglio |
| |
metriche ... migliori prestazioni e convalida a 1K, quindi è sufficiente un solo vicino solo per riconoscere assegnato ... per riconoscere la struttura. Come possiamo vedere dallo schema di... |
| |
Voglio dire, che un volume totale dei pori e una frazione di volume, scusa, quindi possiamo vederlo |
| |
per il 2D abbiamo una quantità più concentrata di questa struttura. Suo |
| |
molto |
| |
concentrato in un punto. Tuttavia, a differenza del 3D, sono piuttosto diffusi. Quindi questo è il motivo per cui confronterebbe le distanze. Qui, nella parte destra della diapositiva, puoi vedere che le distanze più alte tra i vicini sono correlate |
| |
Strutture 3D come nella validazione, come nel training set. Ecco allora che possiamo utilizzare anche questi modelli non parametrici... un unico modello non parametrico da applicare nell'attribuzione utilizzando solo questi due parametri. |
| |
Anche l'analisi discriminante quadratica fornisce zero classificazioni errate nella convalida e meno del 5% di classificazioni errate nel set di addestramento, solo classificando erroneamente otto campioni. Quindi è anche facile ... è visto come sulla matrice di confusione e anche sul diagramma della trama parallela. |
| |
E anche il resto del... |
| |
il resto dei parametri sarà descritto... sarà discusso più avanti perché questo modello ha alcuni accorgimenti... sarà... |
| |
più interessante...sarà...vedremo alla fine. Quindi Naive Bayes è un altro modello parametrico ma molto semplice, ha dato anche zero errori di classificazione. Quindi la situazione sta diventando abbastanza competitiva... competitiva. |
| |
Come possiamo vedere anche qui, entrambi i parametri sono quasi uguali per i loro effetti |
| |
l'effetto totale è quasi 0,88 per il volume totale dei pori e per la frazione di volume è quasi otto...0,8, quindi questo è il motivo per cui hanno un contributo quasi uguale per il loro compito di classificazione. |
| |
E semplici anche le trame sono state costruite per la previsione. |
| |
La macchina vettoriale di supporto non è stata dimostrata, anche prestazioni brillanti. Come si vede quello del 64...scusa 46??? i vettori sono stati usati per costruire un tale modello con zero errori di classificazione alla fine. E alcuni |
| |
errata classificazione in una formazione (6%) e soprattutto, la più grande percentuale di errata classificazione era esattamente per il 3D, dove erano stati classificati in modo errato. |
| |
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 tutti... |
| |
parametri quantitativi continui, includendo tutti, anche quelli che sono altamente correlati tra loro, e abbiamo costruito |
| |
diagrammi e trame 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, questi comprendono, |
| |
diciamo, LIS, LFS, LSFP e canali... parametri dei canali, quindi intendo dimensioni X, Y e Z, quelle direzioni. Quindi questo è come, diciamo, ??? canali, ??? canale impostato. |
| |
E il secondo, il secondo componente è 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 sarà data nel... nella nostra pubblicazione, nel nostro abstract successivamente nel documento dove, a cui sottoporremo all'interno dell'intervallo... .nell'ambito del presente vertice. |
| |
Anche qui, ovviamente, abbiamo ottenuto un tasso di classificazione errata pari a zero e un tasso di classificazione errata molto, molto basso, inferiore all'1% durante l'allenamento... durante l'allenamento, che non è... che è... non era... che non è stato osservato 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 lì abbiamo dei valori. 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. Tuttavia, |
| |
quello che possiamo dire qui, cose che abbiamo tutti i loro array di classificazione errata o accuratezza come opposto del parametro, dovremmo confrontare altre metriche. |
| |
Quindi quello che possiamo vedere è che, va bene, abbiamo anche altri parametri, valori più alti così vantaggiosi per l'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 convalida e addestramento. Quindi possiamo fare |
| |
qualcosa, sai che 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 in modo opposto, sì, la maggior parte ... la maggior parte dei casi riguarda l'overfitting quando l'addestramento si adatta eccessivamente ai dati e otteniamo metriche peggiori nella convalida. Qui è completamente opposto, quindi ecco perché |
| |
queste metriche, come l'entropia R quadrato e la generalizzazione di R quadrato e il log medio P, e anche il tasso di classificazione errata, |
| |
sono stati analizzati... 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 massimo |
| |
qualità della prestazione, tuttavia, presenta una delle maggiori differenze 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 essi, con l'equilibrio ottimale di altre metriche ... differenze per le metriche tra convalida e addestramento. Quindi quello che possiamo vedere qui, per esempio, il più basso... |
| |
la differenza più bassa tra il tasso di errata classificazione e l'entropia R al quadrato è attribuita alla regressione logistica, combinata con PCA. |
| |
Si osservano altre due metriche, come la differenza generalizzata tra... la differenza nel quadrato R generalizzato e il log P medio |
| |
in per macchina vettoriale 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 presumere che per le migliori prestazioni, per la più corretta regressione logistica basata su PCA sia raccomandata, e anche facoltativamente consigliata, supportare la macchina vettoriale come un altro modello per prevedere strutture 2D e 3D. Maggiori dettagli e altro ancora |
| |
i metodi saranno forniti 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 |
Bene. |
| |
Grazie, signori. |
