398709_ko-KR

liliconcom

JSL을 사용한 텍스처 속성별 공유 유기 프레임워크 분류에 대한 최신 접근 방식(2021-US-30MP-874)

레벨: 중급

 

Michael Nazarkovsky, 화학과, Pontifical Catholic University of Rio de Janeiro (DQ PUC Rio)
Felipe Lopes de Oliveira, 리우데자네이루 연방대학교 화학연구소(IQ UFRJ)

 

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

본 연구에서는 JSL(JMP Pro 15)로 코딩된 감독되지 않은(계층적 군집화, PCA) 방법과 감독된(다중 로지스틱 회귀, Naive Bayes, KNN, SVM) 방법으로 구조를 분류했습니다. COF는 2D와 3D로 분리되었습니다. 교육/검증 비율(80%/20%)의 불균형을 피하기 위해 데이터를 구조(62.9% 2D 및 37.1% 3D)로 계층화하는 감독 기계 학습을 수행하기 위해 가장 큰 클러스터를 선택했습니다. 텍스처 특성에 의한 2D/3D 분류는 모든 모델에 대해 100% 정확도(검증)로 성공적으로 수행되었습니다. 최적 모델을 선택하기 위해 Entropy R2, Generalized R2, Mean -log(p)와 같은 다른 메트릭을 비교하고 논의했습니다.

 

 

자동 생성된 성적표...

 

스피커	성적 증명서
조쉬 스턴튼	남자 이름.
마이클 나자르코프스키	안녕 조쉬 잠시만.
	좋아요.
마이클 나자르코프스키	오 예 아니오 아니오 잘 작동합니다.
조쉬 스턴튼	좋아, 볼 수 있어, 고마워.
마이클 나자르코프스키	당신 동안.
	필리피 기다리는 동안 자기가 처음이라 해서 10분 전에 통화해서 지금 녹음중이네.
조쉬 스턴튼	네, 녹화가 시작됩니다. 이 부분만 편집하겠습니다.
	일단 우리가 그것을 살펴보고 필립이 합류하면 몇 가지 질문을 하고 나서 그것을 당신에게 넘길 것입니다. 제 카메라와 제 아들을 끄고 여러분이 그것을 가져가게 해주세요. 하지만 감사합니다. 이렇게 해주셔서 감사합니다.
마이클 나자르코프스키	오, 정말 감사합니다. 그들이 참여할 수 있는 가능성에 대한 메시지를 받았을 때 정말 놀랐습니다.
	이번 행사라던가 정말 3시 50분인가 아니면 사실 어떻게 알았는지 작년에 이어 작년 10월에 세션을 받았는데 감동적이네요 맙소사 좋은 주제들이 해명되어서 이번 기회를 놓치지 않기로 했어요 년도.
조쉬 스턴튼	그래 대박.
	글쎄요, 안타깝게도 올해는 대면 행사가 있을 것이라는 것을 알고 계시겠지만, 우리는 여전히 훌륭한 콘텐츠를 가지고 있습니다.
	앞으로는 항상 재미있는 직접 발견 이벤트 중 하나에 참여할 수 있기를 바랍니다.
마이클 나자르코프스키	오 그래 잘하면.
	작년 초부터 잼을 사용하기 시작했고, 파자마를 시작했을 때부터였습니다.
	예 예 매우 간단합니다.
	예, 그리고 대유행을 하거나 결과 중 하나의 결과로 실제로 많은 성공을 거두는 것을 이 프레젠테이션에서 바로 지금 볼 수 있습니다.
	그리고 그것에 대해 출판하기 시작했고 실제로 지금은 저자의 공동 저자이기도 하고 아마도 세 개의 기사를 병렬로 가지고 있을 것입니다. 잘 알고 있습니다. 저는 JMP와 관련이 있습니다.
	어서 해봐요.
조쉬 스턴튼	예쁜 모든 것.
	당신을 위한 빠른 학습.
마이클 나자르코프스키	물론 통계적 사고에 많은 도움이 된다는 것을 알고 있습니다.
	그래 그냥 그래.
	응.
조쉬 스턴튼	우리는 과거에 분석을 수행하기 위해 일종의 오픈 소스를 사용하기 전에 사용하고 있습니다.
마이클 나자르코프스키	오픈 소스를 의미합니다.
조쉬 스턴튼	에 또는 뭔가.
	다른 사람의 것으로 줄이려면.
마이클 나자르코프스키	아, 아니, 아니, 아니, 아니, 내가 파이썬을 배우기 시작했다는 걸 알잖아.
	나는 학습의 어려움에 대응하는 것을 의미합니다.
	그래서 저는 화학자이자 물리 화학자이고 실제로 화학 재료 과학을 위해 이 모든 것을 사용합니다. 바로 지금 보시다시피 예, 그래서 거기에서 진전을 이루기 위해 Python에서 수학 실험실로 병렬로 전환하기로 결정했습니다.
	Jeff의 metalab용 기계 학습 인터페이스는 과학자들에게 충분합니다.
조쉬 스턴튼	예, 예 아니오, 정말 반가운 소식입니다. 당신이 그것을 받아들이고 그것으로 탁월하다는 것을 알고 있다는 것이 기쁩니다.
마이클 나자르코프스키	음, 필리피에게 문자를 보내도록 할게요.
	오케이, 무슨 일이야, 그는 한 시간 전에 인터넷 문제로 몇 가지 문제에 직면했습니다.
	알았어 알았어.
	그는 들어가려고 합니다.
조쉬 스턴튼	그는 아직 아니야.
	이상한.
조쉬 스턴튼	실시간.
	그래서 당신은 우리가 링크를 클릭하고 바로 올 올바른 어떤 암호를 입력할 필요가 없습니다.
마이클 나자르코프스키	글쎄, 나는 그에게 방금 링크를 보냈지 만 거기에 암호가 필요한지 기억이 나지 않습니다.
조쉬 스턴튼	사업을 하면 안됩니다.
마이클 나자르코프스키	그래서 그는 바로 지금 나에게 문자를 보내고 있습니다.
	오.
	오 예, 줌이 다시 발생하지 않고 지금 인터넷에 문제가 있습니다.
	오.
마이클 나자르코프스키	우리는 1시간 있어 그래.
조쉬 스턴튼	그는 지금 합류하고 있습니다.
마이클 나자르코프스키	오 좋네.
	예.
펠리페 로페스	안녕하세요.
마이클 나자르코프스키	안녕하세요, 마침내 당신은 영웅입니다. 조쉬가 우리를 기다리고 있는 것처럼 조쉬 프레젠테이션을 시작하여 실제로 제 시간에 왔습니다.
펠리페 로페스	예, 정확히 언제든지 예.
조쉬 스턴튼	확실히, 시간, 나는 그 존재를 의미합니다.
	만나서 반갑습니다 제 이름은 입니다.
	조쉬 나는 그렇지 않다는 것을 의미합니다.
	녹음기를 봐주세요 그래서 저는 단지 몇 가지 질문을 할 것입니다. 그런 다음 우리가 그것을 통과하면 당신에게 넘길 것입니다. 제 카메라를 끄고 여러분이 그것을 치워도 됩니다. 이 부분을 모두 편집할 것입니다.
	좋아요.
	지금 당장 녹음할 가치가 있지만 나중에 그 부분을 편집할 것입니다.
	그래서 몇 가지.
	맞아요.
	그래서 분명히 우리는 리우데자네이루의 교황청 카톨릭 대학에서 우리의 코스키로 마이클을 가지고 있고 그는 로페즈 데 라 비에하입니다.
	리우데자네이루 연방 대학교, 그리고 여러분은 넘어갈 것입니다.
	커클랜드의 워터 어프로치 및 분류 또는 감옥 2021 대시 어스 데스크 30 MP 대시 874를 사용하여 텍스처 속성으로 프레임워크 가져오기는 그 소리가 맞습니다.
펠리페 로페스	예.
마이클 나자르코프스키	좋아, 전체 이름 전체 이름.
조쉬 스턴튼	예, 전체 이름은 이제 괜찮습니다. 여러분.
	이것이 JMP Discovery Summit Conference를 사용하기 위해 기록되고 있다는 점을 이해하고 공개적으로 사용할 수 있으며 JMP 사용자 커뮤니티는 이 기록 및 사용에 대한 권한을 부여합니다.
펠리페 로페스	네, 네, 감사합니다.
마이클 나자르코프스키	좋아요.
조쉬 스턴튼	마이클 잘 지내.
	그래 물론.
	예, 일종의 비유입니다.
	당신이 가지고있는 것처럼 들립니다.
	당신의 전화는 꺼져 있고 나처럼 또는 그와 비슷한 것입니다.
마이클 나자르코프스키	예를 파괴하십시오.
	방해가 될 수 있는 모든 것은 이전의 가장 오래된 소리를 끄고 Skyway는 이러한 요구 사항을 기억하고 George는 세션 중에 제 말을 해주세요. 즉, 세션을 녹음한 후 관련 항목을 잡거나 전체와 같을 것입니다.
조쉬 스턴튼	예, 그래서 곧장 진행될 것입니다. 어떤 이유로든 무언가가 있었다면 그 동안 편집을 하지 않을 것이라고 생각합니다.
	비극적인 일이 일어났습니다. 처음부터 다시 시작할 수 있지만, 그들이 당신을 곧장 통과하도록 내버려 둘 것이라고 생각합니다. 걱정하지 마세요. 여기 있는 우리 모두는 인간입니다.
	당신은 실수를 저질렀습니다. 그냥 계속 굴리려고 노력하십시오. 아무도 완벽하지 않아도됩니다. 통계가 완벽하지 않으므로 둘 다 필요하지 않지만 그렇습니다.
	계속하세요.
펠리페 로페스	아니요.
조쉬 스턴튼	죄송합니다.
	괜찮으세요?
마이클 나자르코프스키	그래 다 괜찮아 다 괜찮아.
	그래.
조쉬 스턴튼	마지막으로 본 것.
	좋아요.
	네, 이미 좋습니다.
	좋아, 그냥 작업 표시줄.
	이제 시작하겠습니다.
	다른 질문이 있으시거나 발표할 준비가 거의 되셨나요?
	이다.
마이클 나자르코프스키	네.
	그래.
펠리페 로페스	내 화면 공유 마이클 당신은 어떻게 화면을 공유합니다.
마이클 나자르코프스키	당신은 형제입니다.
	하지만 오케이 조쉬 엄밀히 말하면 서로 화면을 공유해도 괜찮습니다.
조쉬 스턴튼	그래, 괜찮다는 걸 알아, 그래 그냥.
	슬라이드를 전달하는 것을 분명히 알고 있고 슬라이드에서 너무 멀리 떨어지지 않도록 하십시오.
마이클 나자르코프스키	그래, 하지만.
조쉬 스턴튼	네, 확실히 여러분은 무엇을 알고 있습니다.
마이클 나자르코프스키	우리는 그들이 전체를 같은 프리젠테이션으로 할 것입니다. 우리의 모든 부분이 함께 있기 때문에 우리가 서로 차례로 하는 것입니다. 괜찮습니다. 감사합니다.
조쉬 스턴튼	좋습니다. 여러분은 이전에 줌을 사용하여 화면을 공유하는 방법을 알고 있습니다.
	예.
펠리페 로페스	여기에 돌진을 설정하십시오.
	이것을 넣어.
	예.
조쉬 스턴튼	당신의 배경처럼.
펠리페 로페스	지금 바로 화면을 공유하고 있습니다.
마이클 나자르코프스키	훌륭합니다 모든 것이 괜찮습니다.
펠리페 로페스	응.
	바로 프레젠테이션입니다.
	왜냐면 화면으로 향하고 가끔은 엉뚱한 화면을 보고 그렇게 토하기도 하기 때문입니다.
마이클 나자르코프스키	완벽해 모든게 완벽해
조쉬 스턴튼	멋지네요. 내 전원을 끄겠습니다.
	지금은 제 카메라지만 여러분께 넘길게요. 다시 한 번 감사드립니다.
	그들이 있다면 마지막에 이야기할 수 있을 것 같아요.
마이클 나자르코프스키	조쉬를 다시 만나서 좋았을 텐데.
조쉬 스턴튼	좋아, 조심해.
펠리페 로페스	그럼 여러분 안녕하세요. 제 이름은 Felipe Lopes de Oliveira입니다. 저는 리우데자네이루 연방대학교 출신이며 Michael과 함께 이 작업을 발표하고 있습니다.
	역시 리우데자네이루에 있는 교황청립 가톨릭 대학교의 Nazarkovsky. 그리고 오늘 우리는 JSL 소프트웨어를 사용하여 텍스처 및...텍스처 속성에 의한 공유 결합 유기 프레임워크의 분류에 대한 최신 접근 방식이라는 작업을 발표합니다.
	따라서 공유 결합 유기 골격은 탄소, 질소, 산소, 수소 및 붕소와 같은 가벼운 원소로만 구성된 새로운 종류의 물질입니다.
	그들은 유기, 결정질, 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 보여주고 있습니다.
	확장된 네트워크를 형성합니다. 이 삼각형과 막대는 공유 결합되고 확장된 구조를 형성하는 빌딩 블록이라고 부르는 분자를 나타냅니다.
	이 자연의 기하학적 특성과 함께. 다양한 유형이 있습니다.
	빌딩 블록으로 사용할 수 있는 분자의 기하학과 우리가 연결하는 데 사용하는 여러 유형의 화학 결합.
	이런 식으로 ???와 같은 매우 특정한 특성을 가진 구조를 형성하는 것이 가능합니다. ???의 순서로 제어할 수 있습니다. 내부의 물리적, 화학적 특성에
	??? 그것은 우리가 빌딩 블록으로 정의한 것입니다. 따라서 우리는 빌딩 블록을 레고 조각으로 생각할 수 있습니다. 여기서 서로 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 이러한 네트워크를 구축하기 위해 각 빌딩 블록이 사용해야 하는 형식도 있습니다. 오른쪽에는 COF의 결정 구조 모델의 예가 나와 있습니다.
	??? 향후 관심 속성을 계산하는 데 사용될 네트워크입니다. 형식이 2차원 공유층으로 구성된 구조를 이루고 있음을 알 수 있다.
	이러한 레이어는 3차원 지리와 동일하게 쌓입니다.
	놀라운 변조 용량으로 인해 COF는 이종 촉매, 에너지 생산, 저장,
	유기 반도체, 화학 감지, 단열, 가스 포집 및 저장 등이 있습니다. 그러나 더 큰 모듈성으로 인해 ...
	이 더 큰 모듈성도 문제가 될 수 있지만 이러한 재료의 개발은 정말 복잡합니다.
	그들은 사용합니다... 그들은 일반적으로 화학적 직관과 사용 가능한 분자의 조합을 통해 개발됩니다.
	???가 높은 재료로 반복되는 합성 및 특성화의 여러 단계로 얻어진다. 이 소재는 개발 ...
	이 재료의 개발은 시간이 많이 걸리고 비용이 많이 들며 이를 수행하려면 여러...20명의 전문가가 필요합니다. 그리고 때때로, 이러한 모든 노력은 결과로 이어지지 않습니다...
	원하는 특성을 가진 재료로 이어지지 않습니다. 그래서 이 문제를 해결하기 위해 우리는...
	이 문제를 해결하기 위해 간단하고 ???를 제안합니다. 이러한 자료를 연구하고 개발을 가속화하기 위한 계산적 접근.
	우리는 처음에 구조의 데이터베이스를 사용하는데, 지금은 선별된 COF로 합성되어 문헌에 제시된 여러 구조로 컴파일되었습니다.
	그런 다음 일부 건물 루틴을 사용하여 값을 개발하여 해당 구조를 검증하고 모든 것이 정상인지 확인합니다. 다음으로 DFT 기반
	CP2K라는 전자 구조 계산 소프트웨어는 구조의 원자 위치에서 자기(?) 매개변수를 최적화합니다. 그런 다음 ZEO++라는 소프트웨어를 사용합니다.
	기공의 기하학적 분석과 ???의 형성 사이의 백분율 일치를 수행합니다. 그들 안에 있는 네트워크.
	그런 다음 선택한 비용에 대한 구조 설명자 집합을 결정합니다. 이것은 매우 흥미로운 몇 가지 분석을 수행하기 위해 JMP 소프트웨어에서 제 동료인 Michael이 작성한 스크립트입니다.
	음, 여기서는 우리가 사용하는 주요 구조를 보여드리겠습니다. 먼저 우리는 기본적으로 구조 이름의 분류라고 생각하는 구조 ID가 있습니다.
	그리고 다음으로 LIS가 있습니다. LIS는 재료의 기공 직경에 대한 정보를 제공하는 큰 포함된 구를 나타냅니다.
	LFS, 큰 자유 구 및 LSFP, 큰 구 자유 경로가 있습니다. 기본적으로 포함된 큰 구와 같지만 정보를 인코딩할 수 있습니다...
	기공 내 여러 기능화의 기공 직경 영향의 차이. 우리는 또한 특정 면적인 SSA와 SSAV를 가지고 있습니다. 둘 다 부피 단위당 평방 미터의 그램 당 평방 미터입니다.
	접근 가능한 부피 분율인 AVF는 기공에 의해 얼마나 많은 재료가 형성되는지를 나타내며 Vp는 기공 부피입니다.
	그리고 액세스 가능한 채널의 수인 N(chan)이 있습니다.
	여기 그림에서 저는 하나의 채널만 있는 구조를 보여주고 있지만 3차원 재료는 하나 이상의 접근 가능한 채널을 가질 수 있습니다.
	이 구조에서와 같이 2D 및 3D가 될 수 있는 채널의 차원인 ChanDim이 있습니다. 그리고 채널 크기는 기본적으로 때때로 기공 직경이지만 ??? 구조가 조금 다를 수 있습니다.
	그리고 이제 Michael이 그 결과에 대해 약간 이야기할 것입니다.
마이클 나자르코프스키	네, 정말 감사합니다. 훌륭한 소개를 해주신 Felipe에게 대단히 감사합니다. 이제 순수한 데이터 분석과 데이터 과학이 될 것입니다. 그러니 제 차례에 제 화면을 공유해 주세요. 좋아요, 이것이 제가 지금 할 일입니다.
	완벽한. 좋은 물건.
	자, 두 번째 부분의 처음부터 시작하겠습니다. 데이터를 분석할 시간이 왔습니다...이것들...Felipe가 얻은 엄청난 양의 구조라고 할 수 있습니다.
	잠시만. 좋아요. 첫 번째 이후, 예를 들어 분석 이전부터 데이터를 검색하고 일부 잘못된 구조나 관련 없는 일부를 제외해야 합니다.
	누락된 값을 감지하는 화면입니다. 분석 및 선별 과정에서 누락된 값이 발견되지 않았습니다. 우리는 또한
	사용 가능한 구조의 절대 다수가 구조에 할당되고 85%, 15%가 모두 3D 구조로 할당되는 데이터 시각화. 따라서 처음부터 예측할 불균형 데이터 세트가 있습니다. 절대 다수
	채널은 단차원에 할당됩니다.
	80% 이상 거의 17%가 3D 차원에 기인하고 2% 미만이 2차원 채널에 기인합니다.
	또한 이러한 모든 채널은 매우 등방성이므로 모든 방향(X, Y 및 Z)에서 동일하며 데이터 3차원 3D 다이어그램에 반영됩니다.
	모든 데이터를 구조, 즉 2차원 구조와 3차원 구조 사이에 배포하면 1차원, 2차원 구조가 절대 다수를 차지하는 것을 볼 수 있습니다. 그 90% 이상이 2D 구조와 3D가 차지하고 있다.
	3D는 3D, 3차원 채널을 의미합니다. 거의 60% 이상이 3D 구조에 의해 취해집니다.
	3개 중 2D 구조는 85%와 같은 훨씬 더 높은 값을 갖기 때문에 2D 구조에서도 사용됩니다.
	이를 방지하기 위해, 그러한 불균형을 방지하기 위해
	상황, 우리는 감독되지 않은 몇 가지 작업을 수행하고 있습니다
	기계 학습의 지도 방법과 함께 접근 방식
	데이터 준비 후. 그래서 우리는 처음에 무엇을합니까 ??? 이러한 분석 중 공선성을 감지하기 위한 다변량 분석
	매개 변수 간의 상관 관계. 따라서 처음 3개(LIS, LFS 및 LSFP)는 높은 상관 관계가 있으므로 하나를 다른 것으로 대체할 수 있습니다. 그러나 이러한 특성은 매우 중요하지만 PCA 분석은
	(주요 구성 요소 분석). 이것이 계층적 클러스터링을 위해 매개변수 중 하나만 선택한 이유입니다.
	채널 크기에 대한 X, Y 및 Z의 경우에도 등방성은 동일함을 의미합니다. 하지만
	모든 것을 유지하기로 결정했습니다. 이는 2D의 기본 구조...2D 화합물의...주요 COF의 화합물 구조와 매우 관련이 있기 때문입니다.
	글쎄요, 거의 500개에 가까운 많은 구조로 인해 우리는 13개의 클러스터를 선택하기로 결정했습니다. 이 클러스터는 비율 또는...모든 수...전체 클러스터 수에서 가져온 부분에 따라 더 중요하고 관련성이 최적일 수 있으며 분석합니다. 그들을
	평균을 위해
	매개 변수는 테이블에 반영됩니다.
	우리가 볼 수 있듯이 숫자 13 다음에 또 다른 거대한
	클러스터링의 감소... 클러스터 거리, 그래서 이것이 13인 이유이며 최적의 클러스터 양으로 가정되었습니다. 그리고 그들 중에서 가장 큰 클러스터인 클러스터 #7을 선택했습니다.
	2D 구조의 샘플이므로 나중에 분류에 사용됩니다.
	차례로, 3D 구조는, 내가 어떻게... 감히 말하지만, 이미 똑같습니다. 우리는 여전히 LIS, LFS 및 LSFP 사이에 여전히 높은 상관 관계가 있음을 관찰했습니다.
	클러스터 추출 조건은 2D와 동일합니다. 그러나 우리가 7개를 사용하기로 결정한 것처럼 클러스터 수가 적습니다. 그러나 이 7개의 클러스터에서 최소한 4개를 추출했습니다.
	2D와 3D의 비율은 평등에 가깝습니다. 그리고 그것은 평등하지 않을 것입니다,
	그러나 다음 슬라이드에서 볼 수 있듯이 85 대 15보다 훨씬 더 좋고 불균형이 적습니다.
	매개 변수의 가변성 변화에 대한 두 개의 테이블을 비교하면 두 경우 모두에서 마지막 4개가 각 세트 내 구조의 더 높은 가변성을 담당한다는 것을 알 수 있습니다. 체적 골절...분수...죄송합니다.
	총 기공 부피와 두 가지 유형의 비표면적, 그래서 그들은 같은 수준에 있고 구조들 사이에서 더 높은 가변성에 대한 책임이 있습니다. 아까 말했듯이 우리는 덜 받았어...
	결국 두 구조 사이의 차이가 적습니다.
	유효성 검사...훈련된 유효성 검사는 가장 대규모 클러스터에서 가져와 잘 분산된 구조에서 얻은 구조를 기반으로 두 세트를 구성하고 계층화했습니다.
	그리고 가장 간단한 파라메트릭...파라메트릭 분석인 로지스틱 회귀부터 시작하겠습니다. 가장 중요하지 않은 것을 꺼낸 후
	변수, 우리는 두 개의 총 공극 부피와 부피 분율만 남겼습니다.
	그들은 또한 다음과 같이 높은 상관 관계가 있습니다.
	매우 큰 비율의 상관 관계가 있습니다. 그러나 보시다시피 동일한 LogWorth에 대해 하나가 필요하므로 제외할 수 없음을 의미합니다.
	예를 들어, 부피 분율...분율은 어떻게 작동하는지 테스트하기 위해 한 번 했고 그 부족함이 중요해졌기 때문입니다.
	유효성 검사에서 오분류율은 20%를 얻었습니다. 그리고 여기와 비교할 때, 우리는 유효성 검사를 받았고, 완전한 권리에 대한 오분류 제로...각 그룹에 대한 올바른 귀속
	그리고 훈련 세트에서 낮은...아주 낮은 오분류를 가지고 있습니다. 나머지 메트릭...모델 성능 측정은 나중에 더 논의될 것이므로 모든 모델의 모든 성능을 비교할 때입니다. 또한 각각의
	확률을 예측하는 방정식, 예측 구조가 생성되고 주어졌으며 얻어지고 주어졌습니다...이 슬라이드에 나와 있습니다. 그래서 더 가자. 그렇기 때문에 다음에는
	모델링에서 우리는 두 구조(2D 또는 3D)를 예측하기 위해 이 두 매개변수만 사용했습니다.
	메트릭...1K에서 최고의 성능 및 유효성 검사를 수행하므로 하나의 이웃만 인식하면 할당된...구조를 인식하는 데 충분합니다. 다이어그램에서 볼 수 있듯이 ...
	내 말은, 총 기공 부피와 부피 분율, 죄송합니다. 그래서 우리는 그것을 볼 수 있습니다
	2D의 경우 이 구조가 더 집중되어 있습니다. 그것은
	매우
	한 곳에 집중되어 있습니다. 그러나 3D와 달리 상당히 분산되어 있습니다. 그래서 이것이 거리를 비교하는 이유입니다. 여기 슬라이드의 오른쪽 부분에서 이웃 간의 가장 높은 거리가 다음과 관련되어 있음을 볼 수 있습니다.
	훈련 세트에서와 같이 검증에서와 같은 3D 구조. 그래서 우리는 이러한 비모수적 모델을 사용할 수 있습니다. 단일 비모수적 모델은 이 두 매개변수만 사용하여 속성에 적용할 수 있습니다.
	또한 2차 판별 분석에서는 유효성 검사에서 오분류가 0이고 훈련 세트에서 오분류가 5% 미만으로 8개 샘플만 오분류됩니다. 그래서 심지어 쉽습니다...혼동 행렬과 병렬 플롯 다이어그램에서도 볼 수 있습니다.
	그리고 나머지도...
	매개변수의 나머지는 설명할 것입니다...이 모델에는 몇 가지 요령이 있기 때문에 나중에 설명할 것입니다...그것은...
	더 흥미로울 것입니다...우리는 결국 보게 될 것입니다. 따라서 Naive Bayes는 또 다른 파라메트릭 모델이지만 매우 단순한 모델이며 오분류도 없습니다. 따라서 상황은 상당히 경쟁적이 되고 있습니다...경쟁적입니다.
	여기에서도 볼 수 있듯이 두 매개변수는 효과에 의해 거의 동일하므로
	총 효과는 총 공극 부피에 대해 거의 0.88이고 부피 분율에 대해 거의 8...0.8이므로 분류 작업에 대한 기여도가 거의 동일한 이유입니다.
	그리고 간단한 플롯도 예측을 위해 만들어졌습니다.
	서포트 벡터 머신은 시연되지 않았으며 성능도 훌륭합니다. 보시다시피 64... 죄송합니다 46 ??? 벡터는 결국 오분류가 전혀 없는 모델을 구축하는 데 사용되었습니다. 그리고 일부
	훈련에서의 오분류(6%) 그리고 대부분 오분류의 가장 큰 비율은 정확히 3D에 대한 것이었고 그들은 오분류되었습니다.
	좋아, 그럼 더 가자. 마지막으로 비지도 및 지도 방식을 결합한 비지도 PCA인 복잡한 모델에 도달했습니다. 이 경우에는 모든 것을 모두 가져갔습니다 ...
	서로 높은 상관 관계가 있는 것까지 모두 포함하는 정량적 연속 매개 변수를 구축했습니다.
	PCA에 대한 다이어그램 및 플롯. 그리고 우리가 볼 수 있듯이 값을 갖는 두 가지 주요 구성 요소는 다음과 같습니다.
	카이저 규칙에 따라 둘 이상이므로 이 시점에서 거의 하나에 가까운 또 다른 구성 요소인 세 번째 구성 요소가 있으므로 예측 모델에 포함하지 않을 것입니다. 처음 두 개만 포함하겠습니다.
	여기서 고유값은 둘 이상이었습니다. 흥미로운 점은 여기에서 거의 66%의 경우를 설명할 수 있는 첫 번째 구성 요소인 주 구성 요소에서 볼 수 있습니다.
	예를 들어, LIS, LFS, LSFP 및 채널...채널 매개변수는 크기 X, Y, Z, 방향을 의미합니다. 그래서 이것은 마치, ??? 채널, ??? 채널 세트.
	그리고 두 번째, 두 번째 구성 요소는 대부분 양호하며 비표면적과 다공성의 두 가지 유형으로 설명될 수 있습니다. 이것은 순수한 텍스처 매개변수입니다.
	따라서 여기에서도 알 수 있듯이 이러한 인증 차이를 관찰하고 있으며 이 설명에서 예측에 대한 두 매개변수의 기여도에 대한 결론을 내릴 수 있습니다.
	구조. 따라서 우리가 이 두 가지 주요 구성 요소만 사용하여 로지스틱 회귀를 구축한 후에는 해당 공식이 출판물에, 나중에 논문의 초록에 제공되며, 범위 내에서 제출할 것입니다.. .현재 정상회담의 범위 내에서.
	여기에서도 분명히 오분류율이 0이고 훈련에서 오분류가 1% 미만으로 매우 매우 낮습니다. 이전 모델. 이제 우리는 가장
	흥미로운 부분, 우리에 대한 결론
	요약
	모델. 우리가 볼 수 있듯이 우리는 훈련 세트를 잘못 분류하여 요약합니다. 분명히 거기에 어떤 값이 있기 때문입니다. 로지스틱 회귀...회귀 모델을 볼 수 있습니다.
	단순 및 PCA 기반과 같이 오분류 및 검증 판별 분석을 통해 차트 상단에 있습니다. 하지만,
	여기서 우리가 말할 수 있는 것, 모든 오분류 배열 또는 매개변수와 반대되는 정확도가 있는 것, 다른 메트릭을 비교해야 합니다.
	그래서 우리가 볼 수 있는 것은 좋습니다. 우리는 다른 메트릭에서도 판별 분석에 매우 유리한 더 높은 값을 가지고 있습니다. 하지만 좀 더 자세히 살펴보자면,
	우리는 볼 것입니다... 모든 사람이 이러한 메트릭 간에, 심지어 오분류 비율, 검증과 교육 사이에 큰 차이가 있음을 알게 될 것입니다. 그래서 우리는 만들 수 있습니다
	우리가 과적합 또는 과소적합과 관련된 문제에 직면했다는 것을 알고 계실 것입니다. 이 경우 메트릭 무효화가 보다 낫기 때문에 대부분 언더피팅을 처리합니다.
	훈련을 위해. 일반적으로 반대로 발생합니다. 예, 대부분의 경우 훈련이 데이터를 과적합하고 유효성 검사에서 더 나쁜 메트릭을 얻을 때 과적합을 처리합니다. 여기는 완전히 반대입니다.
	엔트로피 R 제곱, 일반화 R 제곱, 평균 로그 P, 오분류율과 같은 이러한 메트릭은
	분석되었습니다...이 4가지 측정항목에 대한 차이가 분석되었으며 이것이 우리가 최고 중의 최고를 선택하는 이유입니다. 앞에서 언급한 바와 같이 판별 분석이 가장 높은 것으로 나타났습니다.
	그러나 성능의 품질은 다른 것과 비교할 때 교육의 유효성 검사 메트릭 간에 가장 큰 차이점 중 하나입니다. 기억
	유효성 검사에서 모두 0을 주므로 거의 선택할 수 있음을 의미합니다.
	다른 측정 항목의 최적 균형과 함께 모든 항목...검증과 교육 사이의 측정 항목의 차이. 예를 들어 여기에서 볼 수 있는 것은 가장 낮은...
	오분류 비율과 엔트로피 R 제곱 사이의 가장 낮은 차이는 PCA와 결합된 로지스틱 회귀에 기인합니다.
	일반화 R 제곱과 평균 로그 P 사이의 일반화 차이와 같은 다른 두 가지 메트릭이 관찰됩니다.
	서포트 벡터 머신의 경우. Naive Bayes의 경우 이 모델을 선택할 수 없습니다.
	매개 변수에는 매우 큰 차이가 있습니다. 그렇기 때문에
	최상의 성능과 가장 정확한 PCA 기반 로지스틱 회귀를 권장하고 선택적으로 2D 및 3D 구조를 예측하는 또 다른 모델로 벡터 머신을 지원한다고 가정할 수 있습니다. 자세한 내용 및 추가 정보
	2주 이내에 제출할 논문에 방법이 제공됩니다.
	JMP 커뮤니티 웹사이트에 게시합니다. 정말 감사합니다. 그런 프레젠테이션을 할 수 있어서 정말 기뻤습니다. 그래서 저는 이스라엘 예루살렘 히브리 대학의 제 동료인 David Kirmayer도 높이 평가했습니다. 관심을 가져 주셔서 감사합니다.
조쉬 스턴튼	괜찮은.
	감사합니다.

데이터 액세스 및 조작데이터 탐색데이터 시각화JSL 애플리케이션 개발통계 및 모델링