398709_ko-KR

liliconcom

JSL(2021-US-30MP-874)을 사용하여 조직 속성에 의한 공유 유기 프레임워크 분류에 대한 현대적인 접근 방식

레벨: 중급

 

Michael Nazarkovsky, Pontifical Catholic University of Rio de Janeiro (DQ PUC Rio) 화학과
Felipe Lopes de Oliveira, 리우데자네이루 연방 대학교 화학 연구소(IQ UFRJ)

 

공유 유기 프레임워크(COF)는 하나 이상의 빌딩 블록의 공유 결합에 의해 상향식 접근 방식으로 설계된 새로운 종류의 결정질 유기 나노다공성 재료입니다. 빌딩 블록의 상당한 양과 다양성으로 인해 합성할 수 있는 다양한 COF가 엄청나게 많습니다. 그런 의미에서 신소재 합성을 가이드할 수 있는 머신러닝 기술의 개발은 매우 중요하다. 이 작업에서 590개의 구조 세트를 선택한 후 DFT 및 Grand-Canonical Monte Carlo 방법을 사용하여 이러한 구조에 의한 CO2 또는 H2의 흡착 및 포획 엔탈피를 결정했습니다. 또한 분류 모델을 개발하려는 시도가 있었습니다.

본 연구에서는 JSL(JMP Pro 15)로 코딩된 비지도(Hierarchical Clustering, PCA) 및 지도(Multiple Logistic Regression, Naive Bayes, KNN, SVM) 방법으로 구조를 분류했습니다. COF는 2D와 3D로 분리되었습니다. 훈련/검증 비율(80%/20%)의 불균형을 피하기 위해 구조(62.9% 2D 및 37.1% 3D)로 데이터를 계층화하는 지도 머신 러닝을 수행하기 위해 가장 큰 클러스터를 선택했습니다. 텍스처 속성에 따른 2D/3D 분류는 모든 모델에 대해 100% 정확도(검증)로 성공적으로 수행되었습니다. 최적의 모델을 선택하기 위해 Entropy R2, Generalized R2, Mean -log(p)와 같은 다른 메트릭을 비교하고 논의했습니다.

 

 

자동 생성된 대본...

 

스피커	성적 증명서
조시 스턴튼	남자 이름.
마이클 나자르코프스키	안녕 조쉬 잠시만.
	괜찮아.
마이클 나자르코프스키	오 예 아니 아니요 잘 작동합니다.
조시 스턴튼	좋은 당신을 볼 수 있습니다, 감사합니다.
마이클 나자르코프스키	당신이 동안.
	우리가 Philippi를 기다리는 동안 그가 1등이라고 해서 10분 전에 그와 이야기를 나눴으니 지금 녹음하고 계시는군요.
조시 스턴튼	예, 녹음을 시작합니다. 이 부분만 편집하겠습니다.
	일단 우리가 그것을 통과하고 Philippe가 합류하면 통과해야 할 몇 가지 질문이 있으면 내 카메라와 내 아들을 끄고 당신이 그것을 가져갈 수 있도록 전달하겠습니다. 그러나 감사합니다. 이를 위해 감사합니다.
마이클 나자르코프스키	아, 정말 감사합니다. 참가할 수 있는 기회가 있다는 메시지를 받았을 때 정말 놀랐습니다.
	이번 행사에서 아니면 정말 3~5분의 일이 아니면 실제로 제가 그걸 어떻게 알았는지, 작년에 작년 10월에 세션을 받았고 작년에 감명을 받았어요 맙소사 너무 좋은 주제가 설명되어 있어서 이번 기회를 놓치지 않기로 했어요 년도.
조시 스턴튼	네 대단합니다.
	유감스럽게도 올해는 직접 대면할 예정이지만 여전히 훌륭한 콘텐츠가 있습니다.
	앞으로도 항상 재미있는 직접 발견 이벤트 중 하나에 여러분을 모실 수 있기를 바랍니다.
마이클 나자르코프스키	오, 그래 잘만되면.
	작년 초부터 잠옷을 시작하면서부터 잼을 사용하기 시작했습니다.
	예, 매우 간단하게 매우 빠르게 말할 수 있습니다.
	네, 그리고 전염병을 일으키지 않으면 실제로 많은 성공을 거둘 수 있습니다. 또는 그 결과 중 하나의 결과로 지금 바로 이 프레젠테이션에서 보게 될 것입니다.
	그리고 그것에 대해 출판하기 시작했고 실제로 현재 저는 공동 저자이기도 합니다. 또한 3개의 기사를 병렬로 가지고 있는 것 같습니다. 잘 알고 있습니다. 저는 JMP와 관련되어 있습니다.
	어서 해봐요.
조시 스턴튼	예쁜 모든 것.
	당신을 위한 빠른 학습.
마이클 나자르코프스키	물론 통계적 사고에 많은 도움이 된다는 것을 알 수 있습니다.
	네 그냥 네.
	응.
조시 스턴튼	우리는 과거 또는 과거에 분석을 수행하기 위해 일종의 오픈 소스를 사용하기 전에 사용하고 있습니다.
마이클 나자르코프스키	당신이 의미하는 오픈 소스.
조시 스턴튼	에 또는 뭔가.
	남의 것으로 줄이려면.
마이클 나자르코프스키	아, 아뇨, 아뇨, 아뇨, 아뇨, 제가 파이썬을 배우기 시작했다는 것을 알지만 무엇을 아십니까?
	학습의 어려움에 대처하는 것을 의미합니다.
	그래서 저는 화학자이자 물리 화학자이며 실제로 이 모든 것을 화학 재료 과학에 사용하고 있습니다. 지금 바로 보시게 될 것입니다. 그래서 저는 Python에서 수학 연구실로 전환하는 동시에 Pro 6 Road에서 발전하기로 결정했습니다.
	Jeff의 metalab용 머신 러닝 인터페이스는 과학자들에게 충분합니다.
조시 스턴튼	네, 네, 아니요. 그 소식을 들으니 정말 기쁩니다. 당신이 그것을 받아 들였다는 사실이 기쁩니다.
마이클 나자르코프스키	글쎄요, 제가 필리피에게 문자를 보내도록 하겠습니다.
	좋아, 무슨 일이야, 그는 한 시간 전에 인터넷 문제로 몇 가지 문제를 겪었습니다.
	알았어 알았어
	그는 들어가려고 합니다.
조시 스턴튼	그는 아직 없습니다.
	이상한.
조시 스턴튼	실시간으로.
	따라서 우리가 링크를 클릭한 암호를 입력할 필요가 없었고 바로 올바르게 입력되었습니다.
마이클 나자르코프스키	글쎄, 나는 그에게 링크를 보냈지 만 거기에 암호가 필요한지 기억이 나지 않습니다.
조시 스턴튼	장사를 하면 안 됩니다.
마이클 나자르코프스키	그게 바로 그가 지금 당장 나에게 무언가를 문자로 보내고 있다는 것입니다.
	오.
	아, 그래서 줌이 다시 발생하고 지금 인터넷에 문제가 있는 것은 아닙니다.
	오.
마이클 나자르코프스키	1시간 남았습니다.
조시 스턴튼	그는 지금 합류하고 있습니다.
마이클 나자르코프스키	오 좋네.
	예.
펠리페 로페스	안녕하세요.
마이클 나자르코프스키	안녕하세요 마침내 당신은 영웅입니다. 그래서 당신은 프레젠테이션을 시작합니다. 마치 josh가 우리를 기다리고 있는 것처럼 josh가 실제로 시간에 맞춰 왔습니다.
펠리페 로페스	네, 언제든지 그렇습니다.
조시 스턴튼	확실히, 시간, 내가 의미합니다.
	만나서 반가워요 제 이름은 입니다.
	조쉬 내 말은 그렇지 않습니다.
	녹음기를 볼 테니 몇 가지 질문을 하고 문제가 해결되면 카메라를 꺼두세요. 가져갈 수 있습니다. 우리는 이 모든 부분을 편집할 것입니다.
	괜찮아.
	지금은 녹음할 가치가 있지만 나중에 그 부분을 편집할 것입니다.
	그래서 몇 가지.
	맞아요.
	그래서 분명히 우리는 리우데자네이루의 Pontifical Catholic University에서 우리의 kosky로 Michael이 있고 그는 Lopez de la vieja입니다.
	리우데자네이루 연방 대학교, 그리고 여러분은 이 일을 하게 될 것입니다.
	수질 접근 및 커클랜드 분류 또는 감옥 세포 2021 dash us desk 30 MP dash 874를 사용하여 텍스처 속성별로 프레임워크를 얻는 것은 올바른 소리입니다.
펠리페 로페스	예.
마이클 나자르코프스키	알겠습니다. 전체 이름은 전체 이름입니다.
조시 스턴튼	네, 풀네임은 이제 괜찮습니다.
	JMP 디스커버리 Summit Conference를 사용하기 위해 녹음되고 있음을 이해하시면 공개적으로 사용할 수 있으며 JMP 사용자 커뮤니티에서 이 녹음 및 사용에 대한 허가를 받을 수 있습니다.
펠리페 로페스	네, 알겠습니다. 네, 감사합니다.
마이클 나자르코프스키	좋아, 좋아.
조시 스턴튼	마이클 당신은 좋아.
	그래 물론.
	예, 여기에 비유가 있습니다.
	당신이 가지고 있는 것처럼 들립니다.
	당신의 전화는 일종의 꺼져 있었고 나처럼 또는 그와 비슷한 것이 가능합니다.
마이클 나자르코프스키	파괴 네.
	방해가 될 수 있는 것은 무엇이든 저는 오래된 가장 오래된 소리를 끄고 스카이웨이는 이러한 요구 사항을 기억하고 George가 세션 중에 저에게 말해주세요. 세션 기록 후에 관련 내용을 포착하거나 전체와 같을 것이라는 의미입니다.
조시 스턴튼	네, 바로 진행됩니다. 어떤 이유에서든 뭔가가 있었다면 편집을 하지 않을 것 같습니다.
	재앙이 닥쳤으니 처음부터 다시 시작할 수는 있지만 그냥 넘어가도록 놔둘 것 같아서 걱정하지 마세요.
	당신은 실수를 저질렀습니다 그냥 계속 굴러가려고 하는 것뿐입니다 아무 것도 아닙니다 완벽하지 않아도 됩니다 맞습니다 통계가 완벽하지 않으므로 필요하지도 않습니다. 하지만 그렇습니다.
	가세요.
펠리페 로페스	아니요.
조시 스턴튼	죄송합니다.
	마이클이 좋은 소리를 하는 것이 맞습니까?
마이클 나자르코프스키	예, 모든 것이 좋습니다. 모든 것이 좋습니다.
	그래.
조시 스턴튼	우리가 방금 본 마지막 것.
	괜찮아.
	네 이미 좋습니다.
	좋아요, 그냥 작업 표시줄입니다.
	이제 내가 갈거야.
	다른 질문이 있습니까? 아니면 발표할 준비가 거의 되었습니까?
	이다.
마이클 나자르코프스키	그렇습니다.
	그래.
펠리페 로페스	내 화면 공유 마이클 당신이 화면을 공유하는 방법.
마이클 나자르코프스키	당신은 형제입니다.
	하지만 josh는 기술적으로 서로 화면을 공유해도 괜찮습니다.
조시 스턴튼	그래 그래 그게 좋은 거 알아 그냥 그래.
	슬라이드 전달을 분명히 알고 있고 슬라이드와 너무 뒤처지지 않는지 확인하십시오.
마이클 나자르코프스키	네 하지만.
조시 스턴튼	네, 확실히 여러분은 무엇을 알고 있습니다.
마이클 나자르코프스키	우리는 그들이 전체 동일한 프리젠테이션을 하도록 할 것입니다. 우리의 모든 부분이 함께 있기 때문에 우리는 서로를 이어가기만 하면 됩니다. 감사합니다.
조시 스턴튼	좋아요. 이전에 확대/축소를 사용하여 화면을 공유하는 방법을 알고 있습니다.
	예.
펠리페 로페스	여기에서 러싱을 설정하면 됩니다.
	이것을 넣어.
	예.
조시 스턴튼	당신의 배경처럼.
펠리페 로페스	지금 바로 내 화면을 공유합니다.
마이클 나자르코프스키	훌륭합니다.
펠리페 로페스	응.
	프레젠테이션 맞습니다.
	내가 화면으로 향하고 때로는 잘못된 화면으로 이동하고 그렇게 던지기 때문입니다.
마이클 나자르코프스키	완벽 모든 것이 완벽합니다.
조시 스턴튼	잘 봤습니다. 전원을 끄겠습니다.
	지금은 제 카메라지만 여러분께 다시 한 번 감사드립니다.
	내 생각에, 우리는 그들이 있다면 마지막에 이야기할 수 있을 것입니다.
마이클 나자르코프스키	조쉬를 다시 만나서 반가웠을 것입니다.
조시 스턴튼	알았어, 조심해
펠리페 로페스	그럼 모두들 안녕히 계세요. 제 이름은 펠리페 로페스 데 올리베이라입니다. 저는 리우데자네이루 연방대학교 출신이며 Michael과 함께 이 작업을 발표하고 있습니다.
	리우데자네이루에 있는 교황청 가톨릭 대학의 나자르코프스키. 그리고 오늘 우리는 JSL 소프트웨어를 사용하여 텍스처 및...텍스처 속성에 의한 공유 유기 프레임워크 분류의 현대적 접근 방식을 제시합니다.
	따라서 공유 결합 유기 골격은 탄소, 질소, 산소, 수소 및 붕소와 같은 가벼운 원소로만 구성된 새로운 종류의 재료입니다.
	그들은 유기, 결정, 나노 다공성이며 망상 물질에서 매우 안정적입니다. 이것은 이러한 물질을 형성하는 화학 결합이 네트워크의 토폴로지에 의해 지시되는 잘 정의된 기하학적 패턴을 따른다는 것을 의미합니다.
	이 이미지에서는 주기적으로 연결된 삼각형과 막대로 구성된 HCB 유형 격자의 예를 보여 주며,
	확장된 네트워크를 형성합니다. 이 삼각형과 막대는 공유 결합되어 확장된 구조를 형성하는 빌딩 블록이라고 할 수 있는 분자를 나타냅니다.
	이 자연의 기하학적 특성과 함께. 의 많은 다른 유형이 있습니다
	빌딩 블록으로 사용할 수 있는 분자의 기하학적 구조와 분자에 연결하는 데 사용하는 여러 유형의 화학 결합.
	이런 식으로 ???와 같은 매우 구체적인 특성을 가진 구조를 형성하는 것이 가능합니다. ???의 순서로 제어할 수 있습니다. 내부의 물리적, 화학적 특성에서
	??? 그것은...우리가 빌딩 블록으로 정의한 것입니다. 따라서 빌딩 블록을 레고 조각으로 생각할 수 있습니다. 여기에서 다른 조각을 사용하여 고유한 특성을 가진 여러 구조물을 만들 수 있습니다.
	이 슬라이드에서는 2차원 및 3차원 공유 유기 프레임워크를 구축하는 데 사용할 수 있는 다양한 토폴로지를 보여줍니다.
	뿐만 아니라 각 빌딩 블록이 이러한 네트워크를 구축하는 데 사용해야 하는 형식입니다. 오른쪽은 COF의 결정 구조 모델의 예를 보여줍니다.
	와 ??? 미래의 관심 속성을 계산하는 데 사용됩니다. 형식이 2차원 공유층으로 구성된 구조를 형성하고 있음을 알 수 있습니다.
	그리고 이러한 레이어는 3차원의 지리적 위치와 동일하게 쌓입니다.
	놀라운 변조 능력으로 인해 COF는 이종 촉매, 에너지 생산, 저장,
	유기 반도체, 화학 감지, 단열, 가스 포집 및 저장 등. 그러나 더 큰 모듈화로 인해 ...
	이 더 큰 모듈화도 문제가 될 수 있지만 이러한 재료의 개발은 정말 복잡합니다.
	그들은 ... 일반적으로 화학적 직관과 이용 가능한 분자의 조합을 통해 개발됩니다.
	높은 재료로 반복되는 합성 및 특성화의 여러 단계로 ??? 얻어진다. 이 소재는 개발 ...
	이 재료의 개발은 시간이 많이 걸리고 비용이 많이 들며 이를 수행하는 데 몇 명의...20명의 전문가가 필요합니다. 그리고 때로는 이러한 모든 노력이 결과로 이어지지 않습니다 ...
	원하는 특성을 가진 재료로 이어지지 않습니다. 그래서 이 문제를 해결하기 위해 우리는...
	이 문제를 해결하기 위해 간단하고 ??? 이러한 재료를 연구하고 개발을 가속화하기 위해 컴퓨터 접근 방식을 사용합니다.
	우리는 처음에 문헌에서 합성되고 제시된 여러 구조로 컴파일된 구조 데이터베이스를 현재 큐레이트된 COF로 사용합니다.
	그런 다음 몇 가지 빌딩 루틴을 사용하여 해당 구조를 검증하고 모든 것이 괜찮은지 확인하는 값을 개발합니다. 다음으로 DFT 기반
	CP2K라고 하는 전자 구조 계산 소프트웨어는 구조의 원자 위치에서 self(?) 매개변수를 최적화합니다. 그런 다음 ZEO++라는 소프트웨어를 사용합니다.
	기공의 기하학적 분석을 수행하고 ???의 형성 사이의 백분율 일치를 수행합니다. 그들 내부의 네트워크.
	그런 다음 선택한 비용에 대한 구조적 설명자 세트를 결정합니다. 이것은 몇 가지 매우 흥미로운 분석을 수행하기 위해 JMP 소프트웨어의 동료인 Michael이 작성한 스크립트입니다.
	자, 여기서는 우리가 사용하는 주요 구조를 보여드리겠습니다. 먼저 구조 ID가 있습니다. 기본적으로 구조 이름의 분류라고 생각합니다.
	그리고 다음에는 재료의 기공 직경에 대한 정보를 제공하는 큰 포함된 구를 나타내는 LIS가 있습니다.
	우리는 LFS, 큰 자유 구 및 LSFP, 큰 구 자유 경로를 가지고 있습니다. 기본적으로 포함된 큰 구와 동일하지만 정보를 인코딩할 수 있습니다...
	기공 내 여러 기능화의 기공 직경 영향의 차이. 또한 특정 면적인 SSA와 SSAV도 있습니다. 둘 다 부피 단위당 제곱미터로 그램당 제곱미터로 표시됩니다.
	AVF는 접근 가능한 부피 분율로, 재료의 얼마나 많은 부분이 기공에 의해 형성되고 Vp는 기공 부피입니다.
	그런 다음 액세스 가능한 채널 수인 N(chan)이 있습니다.
	여기 그림에서는 하나의 채널만 있는 구조를 보여 주지만 3차원 재료에는 액세스 가능한 채널이 두 개 이상 있을 수 있습니다.
	ChanDim은 이 구조에서 2D와 3D처럼 1D가 될 수 있는 채널의 차원입니다. 그리고 기본적으로 때로는 기공 직경이지만 채널 크기는 ??? 구조가 약간 다를 수 있습니다.
	이제 Michael은 결과에 대해 조금 이야기할 것입니다.
마이클 나자르코프스키	네, 감사합니다. Felipe님, 이렇게 훌륭한 소개를 해주셔서 감사합니다. 이제 순수 데이터 분석 및 데이터 과학이 될 것입니다. 그러니 내 차례가 되면 내 화면을 공유해 주세요. 좋아, 이것이 내가 지금 할 일이다.
	완벽한. 좋은 물건.
	자, 두 번째 부분의 시작 부분부터 시작하겠습니다. 펠리페가 획득한 구조물의 양이...이들 중...그렇게 엄청난 양의 구조물에 대한 데이터를 분석할 시간이 왔습니다.
	잠시만. 좋아, 좋아. 첫 번째 분석 이후에는 데이터를 검색하고 일부 잘못된 구조나 관련 없는 일부를 제외해야 한다고 가정해 보겠습니다.
	누락된 값을 감지하는 화면. 분석 및 스크리닝 중에 누락된 값이 감지되지 않았습니다. 우리는 또한 발견한 후에
	사용 가능한 구조의 절대 다수가 구조에 할당되는 데이터 시각화는 85% 및 15% 모두 3D 구조에 할당됩니다. 따라서 처음부터 예측할 수 있는 불균형 데이터 세트가 있습니다. 절대 다수의
	채널은 단차원에 할당됩니다.
	80% 이상과 거의 17%가 3D 차원에 기여하고 2% 미만이 2차원 채널에 기여합니다.
	또한 이러한 모든 채널은 매우 등방성이므로 모든 방향(X, Y 및 Z)에서 동일하므로 데이터 3차원 3D 다이어그램에 반영됩니다.
	모든 데이터를 구조, 즉 2차원 구조와 3차원 구조 사이에 배포하면 단차원, 이차원이 절대 다수를 차지하는 것을 볼 수 있습니다. 90% 이상이 2D 구조와 3D 구조를 취하고 있습니다.
	3D는 3D, 3차원 채널을 의미합니다. 거의 60% 이상이 3D 구조에 의해 사용되지만, 충분히... 상당히 많은 양의
	3개 중 3개는 2D 구조에서도 사용됩니다. 85%와 같이 훨씬 더... 훨씬 더 높은 값을 갖기 때문입니다.
	이를 방지하기 위해 이러한 불균형을 방지하기 위해
	상황에서 우리는 감독되지 않은 몇 가지 작업을 수행하고 있습니다.
	머신 러닝의 감독된 방법과 함께 접근 방식
	데이터 준비 후. 그래서 우리는 처음에 무엇을합니까 ??? 이러한 분석의 공선성을 탐지하기 위한 다변량 분석
	및 매개변수 간의 상관 관계. 따라서 처음 세 개(LIS, LFS 및 LSFP)는 높은 상관 관계가 있으므로 하나를 다른 것으로 대체할 수 있음을 알 수 있습니다. 그러나 이러한 특성은 매우 중요할 것이며 PCA 분석은
	(주요 구성 요소 분석). 이것이 계층적 클러스터링의 경우 매개변수를 하나만 선택하는 이유입니다.
	채널 크기에 대한 X, Y 및 Z의 경우에도 등방성은 동일함을 의미합니다. 하지만
	이 모든 것을 유지하기로 결정한 이유는 이것이 2D...의 2D 화합물... 핵심 COF의 화합물 구조의 기본 구조와 밀접한 관련이 있기 때문입니다.
	글쎄, 그들의 많은 양, 거의 500개의 구조로 인해, 우리는 13개의 클러스터를 선택하기로 결정했습니다. 비율이나...모든 수...전체 수의 클러스터에서 취한 부분과 분석에 의해 더 중요하고 관련성이 최적일 수 있습니다. 그들을
	평균을 위해
	테이블에 반영되는 매개변수.
	우리가 볼 수 있듯이, 숫자 13 뒤에는 또 다른 거대한
	클러스터링의 감소... 클러스터 거리, 그래서 13, 클러스터의 최적 양으로 가정했습니다. 그리고 그 중에서 가장 방대한 클러스터인 클러스터 #7을 선택했습니다. 여기에는... 128개가 포함되어 있습니다.
	2D 구조의 샘플이므로 나중에 분류에 사용됩니다.
	차례로, 3D 구조는 어떻게 해야 합니까... 감히 감히 말할 수 있습니다. 이미 동일합니다. 우리는 여전히 LIS, LFS 및 LSFP 사이의 높은 상관관계를 관찰했습니다.
	클러스터 추출 조건은 2D와 동일합니다. 그러나 클러스터 수가 적기 때문에 우리는 7개를 사용하기로 결정했습니다. 그러나 이 7개의 클러스터에서 4개를 추출하여 최소한
	2D와 3D의 비율이 평등에 가깝습니다. 그리고 그것은 평등하지 않을 것입니다.
	그러나 다음 슬라이드에서 볼 수 있듯이 85에서 15보다 훨씬 더 좋고 덜 불균형합니다.
	매개변수의 가변성 변동에 대한 두 테이블을 비교하면 두 경우 모두에서 마지막 네 개가 각 세트 내 구조의 더 높은 변동성을 담당한다는 것을 알 수 있습니다. 볼륨 골절... 분수...죄송합니다.
	총 공극 체적과 두 가지 유형의 비표면적이 동일하므로 동일한 수준에 있으며 구조 간의 더 높은 변동성을 담당합니다. 그래서 내가 말했듯이, 우리는 덜...
	결국 두 구조 간의 차이가 적습니다.
	검증... 훈련된 검증 플레이 두 세트는 가장 방대한 클러스터에서 가져오고 잘 분산된...에서 얻은 구조를 기반으로 구축 및 계층화되었습니다.
	그리고 가장 간단한 모수적...모수적 분석인 로지스틱 회귀부터 시작하겠습니다. 가장 중요하지 않은 것을 제거한 후
	변수, 우리는 두 개의 총 기공 부피와 부피 분율만 남겼습니다.
	그들은 또한 높은 상관 관계가 있습니다.
	매우 큰 비율의 상관 관계가 있습니다. 그러나 보시다시피 동일한 LogWorth에 대해 1이 소요되므로 제외할 수 없습니다.
	예를 들어, 부피 분율...분율은 작동 방식을 테스트하기 위해 한 번 수행했고 그것의 부족이 중요해졌고
	유효성 검사에서 오분류율이 20%를 얻었습니다. 그리고 여기와 비교하여 우리는 검증을 받았고 완전 권리에 대한 오분류 제로 ... 각 그룹에 대한 올바른 귀속
	그리고 훈련 세트에서 낮음...꽤 낮은 오분류. 나머지 메트릭스...모델 성능 측정은 마지막에 더 논의될 것이므로 모든 모델의 모든 성능을 비교할 때. 또한 각자의
	확률을 예측하기 위한 방정식, 예측된 구조가 생성 및 제공, 획득 및 제공...이 슬라이드에 나와 있습니다. 그럼 더 가봅시다. 그렇기 때문에 다음 편에서
	모델링에서 우리는 두 구조(2D 또는 3D)를 모두 예측하기 위해 이 두 매개변수만 사용했습니다.
	메트릭스... 1K에서 최고의 성능 및 검증, 따라서 하나의 이웃만이 구조를 인식하기 위해 할당된 것으로 인식하기에 충분합니다. 다이어그램에서 볼 수 있듯이 ...
	제 말은, 총 기공 부피와 부피 분율은 죄송합니다.
	2D의 경우 이 구조가 더 집중되어 있습니다. 이것의
	매우
	한곳에 집중. 그러나 3D와 달리 상당히 퍼집니다. 이것이 거리를 비교하는 이유입니다. 여기 슬라이드의 오른쪽 부분에서 이웃 간의 가장 높은 거리가 다음과 관련되어 있음을 알 수 있습니다.
	훈련 세트에서와 같이 검증에서와 같은 3D 구조. 이것이 바로 우리가 이러한 비모수적 모델을 사용할 수 있는 이유입니다...단일 비모수적 모델을 사용하여 이 두 매개변수만 사용하여 속성에 적용할 수 있습니다.
	또한 2차 판별 분석은 유효성 검사에서 오분류가 0이고 훈련 세트에서 오분류의 5% 미만을 제공하여 8개의 샘플만 오분류합니다. 따라서 혼동 행렬과 병렬 플롯 다이어그램에서도 쉽게 볼 수 있습니다.
	그리고 나머지 부분도...
	나머지 매개변수는 설명될 것입니다...이 모델에는 몇 가지 트릭이 있기 때문에 나중에 논의될 것입니다...그것은...
	더 흥미로운 ... 될 것입니다 ... 우리는 결국 보게 될 것입니다. 따라서 Naive Bayes는 또 다른 매개변수이지만 매우 단순한 모델이며 오분류도 0입니다. 그래서 상황은 상당히 경쟁적...경쟁적이 되고 있습니다.
	여기에서 볼 수 있듯이 두 매개변수는 효과가 거의 동일하므로
	전체 효과는 총 기공 부피에 대해 거의 0.88이고 부피 분율에 대해서는 거의 8...0.8이므로 분류 작업에 대한 기여도가 거의 동일한 이유입니다.
	그리고 예측을 위해 간단한 플롯도 만들었습니다.
	지원 벡터 기계는 뛰어난 성능도 시연되지 않았습니다. 우리가 볼 수 있듯이 64...죄송합니다 46 ??? 벡터는 결국 오분류가 전혀 없는 그러한 모델을 구축하는 데 사용되었습니다. 그리고 일부
	훈련에서의 오분류(6%) 및 대부분 오분류의 가장 큰 비율은 정확히 3D에 대한 것으로 오분류되었다는 것입니다.
	좋아, 그럼 더 가자. 그리고 마지막으로, 우리는 감독되지 않은 접근 방식과 감독되지 않은 접근 방식, 감독되지 않은 PCA를 결합한 복잡한 모델에 도달하고 있습니다. 이 경우 우리는 모든 것을 가져갔습니다 ...
	서로 높은 상관 관계가 있는 모든 것을 포함하여 정량적 연속 매개변수를 구축했습니다.
	PCA에 대한 다이어그램 및 플롯. 그리고 우리가 볼 수 있듯이 다음과 같은 값을 갖는 두 가지 주요 구성 요소
	Kaiser 규칙에 따라 둘 이상이므로 이 시점에서 하나의 구성 요소에 거의 가까운 또 다른 구성 요소, 세 번째 구성 요소가 있으므로 예측 모델에 포함하지 않습니다. 우리는 처음 두 가지만 포함할 것입니다.
	여기서 그 고유값은 1 이상입니다. 그리고 흥미로운 점은 첫 번째 구성 요소에서 케이스의 거의 66%를 설명할 수 있는 주요 구성 요소가 다음으로 구성되어 있음을 알 수 있습니다.
	LIS, LFS, LSFP 및 채널...채널 매개변수, 즉 크기 X, Y 및 Z, 해당 방향을 의미합니다. 그래서 이것은, 말하자면, ??? 채널, ??? 채널 세트.
	그리고 두 번째, 두 번째 성분은 대부분 양호하며, 비표면적과 다공성의 두 가지 유형으로 설명할 수 있습니다. 이것은 순수한 텍스처 매개변수입니다.
	따라서 여기에서도 확인할 수 있듯이 이러한 인증 차이를 관찰하고 있으며 이 설명에서 예측에 대한 두 매개변수의 기여도에 대해 결론을 내릴 수 있습니다.
	구조. 따라서 이 두 가지 주요 구성 요소만 사용하여 로지스틱 회귀를 구축한 후 해당 공식은 ... 우리 간행물에서, 나중에 우리가 범위 내에서 제출할 논문의 초록에서 제공됩니다. .현재 회담의 범위 내에서.
	여기에서도 분명히 오분류율이 0이었고 훈련 중 1% 미만의 매우 낮은 오분류가 관찰되었습니다. 이전 모델. 그래서 이제 우리는 가장
	흥미로운 부분, 우리에 대한 결론
	요약
	모델. 보시다시피 훈련 세트를 잘못 분류하여 요약합니다. 분명히 거기에 일부 값이 있기 때문입니다. 로지스틱 회귀... 회귀 모델을 볼 수 있습니다.
	단순 및 PCA 기반과 같이 오분류 및 검증 판별 분석에 의해 차트 상단에 있습니다. 하지만,
	여기서 말할 수 있는 것은 모든 오분류 배열이나 정확도가 매개변수의 반대이므로 다른 측정항목을 비교해야 합니다.
	그래서 우리가 볼 수 있는 것은, 좋습니다. 다른 메트릭에서도 판별 분석에 유리한 더 높은 값을 가지고 있습니다. 하지만 자세히 살펴보자면,
	우리는 보게 될 것입니다 ... 모든 사람은 이러한 지표 사이에, 심지어 오분류 비율 사이에도, 검증과 훈련 사이에 엄청난 차이가 있음을 알게 될 것입니다. 그래서 우리는 만들 수 있습니다
	우리가 과적합 또는 과소적합과 관련하여 몇 가지 문제를 겪었다는 것을 알고 있습니다. 이 경우 메트릭 무효화가
	훈련을 위해. 일반적으로 반대로 발생합니다. 예, 대부분의 경우 대부분의 경우 훈련이 데이터를 과적합하고 유효성 검사에서 더 나쁜 메트릭을 얻을 때 과적합을 처리합니다. 여기 완전히 반대이므로 이것이 이유입니다.
	엔트로피 R 제곱 및 일반화 R 제곱 및 평균 로그 P, 오분류율과 같은 이러한 메트릭은
	분석되었습니다...이 네 가지 측정항목에 대한 차이점이 분석되었으며 이것이 우리가 최고 중 최고를 선택하는 이유입니다. 앞서 언급했듯이 판별 분석에서 가장 높은
	그러나 성능의 품질은 다른 것과 비교하여 훈련의 검증 메트릭 간에 가장 큰 차이점 중 하나입니다. 기억
	유효성 검사에서 모두 0을 주었으므로 거의
	다른 메트릭의 최적 균형과 함께 그들 모두... 검증과 훈련 사이의 메트릭에 대한 차이. 예를 들어 여기에서 볼 수 있는 것은 가장 낮은...
	오분류 비율과 엔트로피 R 제곱 간의 가장 낮은 차이는 PCA와 결합된 로지스틱 회귀에 기인합니다.
	일반화된 R 제곱과 평균 로그 P의 차이 일반화와 같은 다른 두 가지 메트릭이 관찰됩니다.
	지원 벡터 기계에 대해. Naive Bayes의 경우 이 모델을 선택할 수 없습니다.
	매개 변수, 그것은 매우 큰 차이가 있습니다. 그렇기 때문에
	최고의 성능을 위해 가장 정확한 PCA 기반 로지스틱 회귀가 권장되고 선택적으로 권장되는 또 다른 모델로 2D 및 3D 구조를 예측하는 지원 벡터 머신이 있다고 가정할 수 있습니다. 자세한 내용 및 기타
	방법은 2주 이내에 제출할 논문에서 제공됩니다.
	JMP Community 웹사이트에 게시합니다. 정말 감사합니다. 이런 발표를 하게 되어 매우 기뻤습니다. 그래서 나는 또한 이스라엘 예루살렘 히브리 대학교의 동료인 David Kirmayer를 높이 평가했습니다. 관심을 가져주셔서 감사합니다.
조시 스턴튼	괜찮은.
	감사합니다.

데이터 액세스 및 조작데이터 탐색데이터 시각화JSL 애플리케이션 개발통계 및 모델링