你好，我的姓名是瑞安帕克，和我是兴奋的到是这里今天
和黏土巴克到分享和你一些新的工具那我们已经添加到帮助你
分析光谱数据和这功能性数据探险家在JMP专业版17.
所以什么做我们意思是经过光谱数据？
我们有A很多的应用
从化学计量学那有有动力A很多的这工作。
但我会只是开始离开经过说
是真的担心关于数据那有锋利的峰。
这可能不是一定是光谱数据，但这些是这类型的数据
我们曾经有过A难的时间造型在有限元向上到这观点。
和所以我们真的通缉到重点在试
到打开向上这些应用和制作它A很多更轻松到处理这些锋利的峰。
或许潜在的不连续性。
只是这些大的，波浪状的特征的数据。
在哪里在这具体的例子，和光谱学数据，
是思维关于作品的材料，
和这些峰能代表这些组成，
和我们想到是有能力的到尝试到量化那些。
所以其他应用来自质谱分析，
和这里你能看这些非常锋利的峰。
他们是全部超过这地方在这些不同的功能。
但这些峰是代表蛋白质从这些光谱，
和他们能帮助你，为了例子，
比较差异之间事物从A病人和癌症
和患者没有癌症到理解差异。
我的意思是，再一次，
它是真的重要的那我们尝试到模型这些峰出色地
所以那我们能量化这些差异。
一个例子那黏土是去到展示来了从色谱法。
这是在哪里是试到...
在这案件，
我们想到看在量化这不同之处之间一个橄榄油
相对其他蔬菜油。
和所以这成分的这些事物代表经过全部的这些峰，
我们需要到，再次，尝试到模型这些出色地。
这第一的事物我想到覆盖是四新的工具到预处理你的数据，
光谱数据前你得到到这造型阶段。
这第一的一是这标准普通的变量。
所以和这标准普通的变量，是思维关于
标准化每个功能经过他们的个人意思是和方差。
所以是去到拿每一个功能一在A时间，
减去离开这意思是，划分经过这方差，
所以那他们全部有意思是零和方差一。
这是一个选择到这现存的工具我们有标准化、
哪个是只是看着在A全球的意思是在方差
所以那这数据他们自己有到过缩放，
但肯定方面，喜欢方法，是仍然那里，
然而和这标准普通的变量，我们想到消除那为了每一个功能。
这下一个工具乘法S猫猫更正。
它是相似的到标准普通的变量，
这结果结尾向上存在这相同的，相似的。
但在这案件，是思维关于数据在哪里我们有光分散。
所以一些的这些光谱数据来在哪里我们有到担心关于
我们的光分散从全部这个人功能存在不同的
从A参考功能那是感兴趣的在。
通常这是这意思是。
所以什么出色地做是我们将要放A简单的模型
之间这个人功能到这意思是功能。
你知道，我们将得到系数
那我们能减去离开这意思是特征，
划分经过这坡特征，
得到我们到那相似的标准化这数据，
和在这案件，专注的在这光分散。
好的，所以在这观点，
是思维关于什么如果我们有噪音在我们的数据？
什么如果我们需要到光滑的它？
所以这楷模那我们想到合身，为了光谱数据，
这些小波，他们不光滑的这数据为了你。
所以如果你有嘈杂数据，你真的想到尝试到处理那第一的，
和那是在哪里这萨维茨基-戈莱筛选来了在。
什么这是去到做是合身n-程度多项式
超过指定的带宽
到尝试到寻找这最好的模型那将要光滑的你的数据。
所以我们搜索超过A网格为了你，
挑选这最好的一，和然后展示这结果到你。
和我做想到笔记那这数据是必需的到是在A常规的网格，
但如果你不有一，频域DE将要创造一为了你。
我们有A减少选项
那你能使用如果你想一些更精细控制超过这，
但经过默认，
我们是去到看在这最长功能，
选择那作为我们的数字的网格点,
和创造A常规的网格从那为了你。
但这好的事物关于这S阿维茨基-戈莱滤波器
是因为的这建造和这些多项式，
我们有简单的使用权到这第一的或者第二衍生物。
甚至如果你不有光谱数据和你想到访问导数函数
这将要是你的途径到做那。
和如果你做要求，说，这第二衍生物，
我们的搜索得到受约束的到仅有的多项式
这将使我们能够给你A第二衍生物，为了例子。
但这会是这方式到访问那个，
甚至如果你不是甚至担心关于平滑。
你能现在得到到衍生物。
这最后的预处理工具患病的覆盖是基线更正。
所以在基线更正，
你是担心关于拥有一些特征的你的数据
那你会只是考虑A基线那你想到消除
前你模型你的数据。
所以这主意这里是我们想到合身A基线模型。
我们有线性，二次方，为您提供指数选项，
所以我们想到合身这到我们的数据和然后减去它离开。
但我们知道那里是重要的特征，
通常这些峰,
所以我们想到不是使用那些部分的这数据
什么时候我们实际上合身这些基线楷模。
所以我们有这选项这里为了更正地区。
我思考为了这最多部分你会可能使用全部的功能。
所以什么这只是方法是，什么部分是我们去到减去离开？
所以如果你选择之内地区
仅有的东西之内这些蓝色的线是去到是减去。
但我有已经添加四这里。
每一个时间你点击添加在基线区域，
你是去到得到A一对的这些蓝色的线和你能拖他们周围
到这重要的部分的你的数据，和什么这将要做是，
什么时候你尝试到合身，说， A线性基线模型，
它是去到忽略这数据点那是之内这些二蓝色的线。
所以，功能一，我们放A线性模型，
但我们排除全部这些锋利的峰那我们真的想，
那是感兴趣的在。
和所以然后我们拿这结果从这个线性模型
和减去它离开从这所有的功能。
这选择到那是一个锚观点，
和那是如果你说，我真的会喜欢
对于这个具体点到是包括在这基线模型。
通常这是如果你有较小数据
和你知道，好的，我想这些很少点。
这些是钥匙。 这些代表这基线。
如果我是有能力的到适合，你知道，说一个这些点的二次模型，
那是什么我想到减去离开。
所以它是一个选择。
什么时候你点击那些，他们会展示向上作为红色的作为一个选择到这蓝色的。
但这将要允许你到正确的你的数据
消除这基线前进行中。
所以那得到我们到如何我们模型光谱数据现在在JMP专业版17、
和是使用小波。
这好的事物关于小波是我们有A种类的选项到选择从。
所以这些图表代表什么是被称为母亲小波
和他们是用过的到构造
这基础那我们使用，那楷模这数据。
所以这最简单的是这个哈尔小波,哪个是真的只是步功能，
或许难的到看那这里，但这些是只是步功能。
但这双正交，它有A很多的小的跳跃
和你能开始到想象，
好的，我能看为什么这些制作它A很多更轻松
到捕获峰在我的数据
其他比这哈尔小波。
全部这些有参数那是改变这形状和这尺寸的这些，
所以我有只是已选择A夫妻这里到只是展示你这差异。
但你能真的看在哪里，
好的，如果我放A很多的这些一起，
我能理解为什么这是
大概A很多更好的到模型全部这些峰的我的数据。
所以这里是一个例子到阐明那
和一的我们的新的样本数据，
核磁共振设计的实验。
所以这是只是从一功能在哪里让我们开始和B 样条曲线。
这是种类的这去到为了最多数据地方到开始在FDE。
但我们能看那它是真的拥有A难的时间
采摘向上在这些峰。
现在，有，我们有假如你工具
到改变在哪里结位于在这些野兽线楷模。
所以你可以做一些定制。
大概合身这A很多更好的比这默认。
但这主意是那现在你已经有到去和移动周围的事物
和或许它作品为了一些功能，但不是其他的，
和你需要A更多的自动化的方式。
所以那是一选择到那是磷-Sp线。
那是正在做那A小的少量为了你，
但它是仍然不是相当捕获这峰或许作为出色地作为小波。
它是大概正在做这最好的为了这些数据。
相对的到小波和几乎A模型-自由的方法
在哪里我们模型这数据只是直接地在我们的形状成分，
这直接的功能性的主成分分析。
它是或许A桥之间P 样条曲线和B 样条曲线
在哪里它是不是相当作为好的作为磷-样条线但它是更好的比乙-样条线
但这是只是A快的例子到强调
如何小波能真的是A很多更快和强大的。
什么是我们正在做在FDE？
我们构造A种类的小波类型
和他们的联系参数和合身他们为了你。
所以相似的到这S阿维茨基-戈莱滤波器，
我们做要求那这数据是在A常规的网格。
和好的消息，出色地创造一为了你。
但的课程你能去到减少这控制那如果你会喜欢。
但现在这好的事物关于一次数据是在这网格，
我们能使用A转型那是极好的快速地。
所以磷-样条线会还，为了这些数据，
是什么你会真的想到有到使用，
但它们可能需要很长时间才能适应，
尤其如果你有A很多的功能
和你有A很多的数据点每功能。
但我们的小波楷模是去到本质上最后的
所以全部的这不同的基础功能
那构造这特别的小波类型和范围
和什么那是去到允许我们到做是只是真的力量
A很多的那些系数那不真的意思是任何事物到零
到帮助创造A疏表示为了这模型。
所以那些五不同的小波类型那我显示前，
那些是可用的，和一次我们合身他们全部，
是去到构造模型选择标准
和选择这最好的为了你经过默认。
你能点击通过这些作为选项到看其他适合。
和A很多的次这些第一的很少是去到看非常相似的
和它是真的只是A事情的，
那里是肯定应用在哪里他们知道，
“好的我真的想这小波类型,"
所以他们会挑选这最好的一的那类型在这结束使用。
所以这好的事物关于这些楷模是他们发生在A解决。
他们是造型不同的决议的这数据。
所以我们有这些系数地块在哪里在这顶部他们是显示
低频，更大规模趋势，喜欢一个全面的意思是，
和作为你去向下在这...
或者我猜测你去向上在这决议，
但向下在这阴谋，
你是去到看在高的-频率项目，
和这些是去到是事物那是正在发生在非常短的秤，
所以你能看在哪里它是采摘向上A很多的不同的特征。
在这案例，需要...
A很多的这些是零为了这最高决议。
所以它是采摘向上一些秤那是在这非常结尾的这功能。
它是采摘向上一些的这些差异这里。
但这给出你A感觉的种类的在哪里事物是发生在
两个都地点和然后是那高频或者低频
部分的这数据。
所以这最后的事物我们已经添加到完全的这小波楷模
那是A小的少量不同的从什么我们有现在是被称为小波美国能源部。
所以如果你已经用过的频域DE前，
你已经可能尝试过功能性的设计的实验
和那是去到允许你到拿功能性的原则成分分数，
连接设计的经验因素到这形状的你的功能。
但现在，小波楷模在特别的，
他们是系数，因为他们做代表决议和地点，
这些能是更多的可解释的和他们有更多的直接的影响
到理解什么是正在发生在这数据，
那可能是A功能性的原则成分
不是作为简单的到连接和。
我们有这活力功能和它是标准化到展示你，
“好的，这解决在3.5，”
只是代表更多的在这结尾观点。
那将会有...
那是在哪里这最多差异是在全部的我们的功能，
和它是代表关于12%。
所以你能滚动向下。
我们去向上到在哪里我们得到90%的这活力，
哪个是只是这平方系数价值观
那我们只是标准化这里。
但活力是只是如何大的这些系数是
相对的到一切别的？
但这，相似的到功能性美国能源部，
你能改变这因素，看如何这形状变化，
和我们有案例在哪里两个都小波美国能源部
和功能性美国能源部工作顺利。
有时小波DOE只是得到这结构更好的。
没有允许为了一些或许消极的点
那功能性美国能源部可能允许在这例子。
所以它是只是他们是两个都那里，他们是两个都快速地。
我是说你能使用两个都的他们到尝试到分析这结果的小波楷模。
但那是我的快的概述。
所以现在我只是想到转动它超过到黏土到展示你一些例子
使用小波的楷模和一些例子数据套。
谢谢，瑞安.
所以，作为瑞安显示早些时候，我们成立一个例子
在哪里伙计们是试到使用化学计量学方法
到分类不同的蔬菜油。
所以我有得到这数据放打开向上这里。
这里我们有我们的每个排的这数据放是A功能，
所以每个排在这数据放代表A特别的油，
和作为我们去穿过这桌子，那是这色谱。
所以我有打开这向上在频域DE只是到节省A很少分钟。
这小波配件是真的快速地，
但我想通了星期三只是去先和开始和这合身打开。
所以这是什么我们的数据放看起来喜欢。
你能看那些红色的曲线是橄榄油。
这绿色的曲线是不是橄榄油。
所以我们能看有确实一些差异
之间这二不同的种类的油类和他们的色谱图。
所以，作为瑞安说，我们只是去到这红色三角形菜单
和我们问为了小波和它将要挑选这最好的小波为了你。
但喜欢我说，我有已经完毕那，
所以我们能滚动向下和看在这合身。
这里我们看这最好的小波那我们成立曾是被称为这符号 20,
和我们已经得到图表的每个合身这里总结为了你。
作为你能看，这小波有合身这些数据真的出色地。
但在这案件，
是不是可怕感兴趣的在配件这个人适合。
我们想到看如果我们能使用这些个人色谱图
到预测无论或者不是一个油是一个橄榄油或者不是一个橄榄油。
所以什么我们能做是，
我们能节省出去这些小波系数，
哪个我们已经得到A大的桌子这里，和有数千的他们。
在事实，有一为了每一个观点在我们的功能。
所以这里我们已经得到4,000点在每个功能。
这桌子是漂亮的巨大的。 有4,000小波系数。
但作为瑞安曾是说，你能看那我们已经归零一些的他们出去。
所以这些小波系数降低出去的这功能。
所以那是如何我们得到平滑。
我们合身我们的数据真的出色地，
但归零出去一些的那些系数是什么平滑这功能出来。
所以如何能我们使用这些价值观到预测无论或者不是我们有一个橄榄油？
出色地，你能来这里到这功能摘要和问为了节省总结。
所以什么它是完毕是它节省出去这功能性的主要的成分。
但这里在这结尾的这桌子，它还节省出去这些小波系数。
所以这些是这精确的相同的价值观
我们看到的在那小波系数桌子在这平台。
所以让我关闭这一。
我有得到我的自己的排队向上只是所以那我不有任何事物意外发生。
所以这是我的版本的那桌子。
和什么我们想到做是我们想到使用
全部的这些小波系数到预测无论
这曲线是从一个橄榄油或者从A不同的类型的油。
所以什么我是去到做是，
我是去到发射这广义的回归平台，
和如果你已经曾经用过的那前，
它是这地方我们去到建造线性楷模和概括线性楷模
用一个种类的不同的多变的选择技术。
所以这里我的回复是类型。
我想到预测什么类型的油我们正在看
和我想到预测它使用全部的那些小波系数。
所以我按跑步。
在这案件，我是去到使用这弹性网
因为那发生到是我的最喜欢的多变的选择方法。
和我是去到按去。
所以真的迅速地，我们拿全部那些小波系数
和我们有成立这那些那真的做A好的工作的差异化
之间橄榄油类和非-橄榄油。
所以在事实，如果我们看在这困惑矩阵，
哪个是，这是A方式到看在如何经常我们预测适当地，正确的？
所以为了全部49其他橄榄油类，
我们正确地已确定那些作为不是橄榄油。
和为了全部71橄榄油类，我们正确地已确定那些作为橄榄油。
所以我们实际上预料到的这些完美
和我们仅有的需要的A漂亮的小的子集的那些小波系数。
所以我没有数数，但那看起来喜欢关于A打。
所以我们开始了和数千的小波系数和我们煮沸它向下
到只是12或者所以那是有用为了预测我们的回复。
所以什么我思考是真的凉爽的是，
我们能解释这些小波系数到一个程度，正确的？
所以这系数这里是解决二在地点3001.
所以那告诉我们有某物去在在那部分的这曲线
这有助于我们区分之间橄榄油类和不是橄榄油。
所以什么我有完毕是，
我有还已创建A图形的我们的数据使用...
出色地，你会看。
所以什么我有完毕是这里这蓝色的曲线是这橄榄油。
这红色的曲线是这非-橄榄油类，
和这是这意思是色谱。
所以平均超过全部的我们的样品。
和这些虚线线是这地点
在哪里这小波系数是非零。
所以这些是这那些那是有用为了歧视性的之间油。
和作为你能看，一些的这些非零系数线向上和峰
和这数据那真的趋向到制作感觉，正确的？
所以，这里是，
这是一的这非-零系数，和你能告诉它是正确的在A顶峰
在哪里橄榄油是达到峰值，但非橄榄色油类是不是，正确的？
所以那可能是有意义的到某人
那学习色谱法和橄榄油类在特别的。
但所以我们喜欢这例子因为
它是A真的好的例子的如何小波合身这些色谱图真的出色地。
和然后我们能使用这小波系数到做某物别的，正确的？
所以不是仅有的有我们合身这曲线真的很好，
但然后我们已经采取这信息从那些曲线
和我们已经完毕A真的好的工作的歧视性的之间不同的油。
和所以我有得到一更多的例子。
瑞安和我是两个都大的粉丝的迪士尼世界，
所以这是不是A色谱。
这是不是光谱学。
但反而我们成立A数据放那看起来在等待次在迪士尼世界，
所以我们下载的A子集的等待次
为了A骑被称为迪士尼的这七小矮人，头脑火车。
和如果你已经曾经到过到迪士尼世界，
你知道它是A真的凉爽的滚筒杯垫正确的那里在梦幻之地。
但它还趋于到有真的长的等待次，对吗？
你花费A很多的时间等待你的转动。
所以我们通缉到看如果我们可以使用小波到分析这些数据
然后使用这小波美国能源部功能到看如果我们能数字出去
如果有天的这周或者月或者年
在哪里等待次是特别高的或者低的。
所以我们能发射FDE。
在这里你能看，我们有
每个天在我们的数据放，我们有这等待次
从那时起这公园打开，这里，
到这时间那这公园关闭超过这里。
和到制作这演示A小的少量更轻松，
我们已经巧妙的这数据放到干净的它向上一些。
所以这是不是确切地这数据，
但我思考一些的这趋势那是去到看是仍然真的。
所以什么我是去到做是我是去到问为了小波，
和它会拿A第二到跑步，但不是也长的。
所以现在我们已经成立那A不同的基础功能是这最好的。
它是多贝西 20
和我道歉如果我没有发音那正确的。
我有到过回避发音那单词在民众，
但现在那是不是这案件不再了。
所以我们已经成立那是我们的最喜欢的小波和什么是去到做
是是去到去到这小波美国能源部分析，
和它是去到使用这些补充变量
那我们已经指定的天的这星期，年和月
看看我们是否可以寻找趋势在我们的曲线使用那些变量。
所以出色地问为了小波美国能源部，
什么是正在发生在这背景是是造型那些小波系数
使用这广义的回归平台，所以那是正在发生在后面这场景，
和然后它将要放它全部一起在A分析器为了我们。
所以这里我们已经得到了，你知道，这是我们的时间的天多变的。
我们能看那在这早晨。
这等待次种类的开始，你知道，周围一个小时。
它得到更长自始至终这天，你知道，
峰值在关于80分钟，几乎一个小时和A一半等待。
和然后，作为你会预计，
作为这天去在和孩子们得到疲劳的和去到床，
等待次得到A小的少量更短直到这结尾的这天。
现在，什么我们想法曾是有趣的
在找在一些的这些效果，喜欢年和月。
所以我们能看在2015年，这等待次种类的逐步地去向上，正确的，直到2020.
和然后什么发生了在2020年？ 他们增加在二月，
然后，令人震惊的是，他们掉落相当A少量在行进和四月。
和我思考我们全部知道为什么那可能有发生了在2020.
因为的冠状病毒病，更少人们是去到迪士尼世界。
在事实，它曾是关闭向下为了A尽管。
所以你能非常清楚地看A冠状病毒影响在迪士尼世界等待次
真的迅速地使用小波美国能源部。
一的这其他事物那是有趣的
是我们能看在什么时间的年是最好的到去。
它看起来喜欢等待次趋向到是降低在九月，
和自从迪士尼世界是在佛罗里达州，你知道，
那是顶峰飓风季节，和孩子们不趋向到是出去的学校。
所以它是真的凉爽的到看那我们的模型挑选的那向上漂亮的很容易，对吧？
所以，但是不开始去到迪士尼世界在九月。
那是我们的时间。 我们不想它得到挤。
但是的，所以和只是A很少点击次数，我们是有能力的
到学习相当A很少事物关于等待次，
七矮人矿火车在迪士尼。
但我们真的通缉到强调
这些方法是专注的在色谱法和光谱测定法，
但有A很多的应用在哪里你能使用小波，
和我思考那是全部我们有。
所以感谢你。 并感谢你，瑞安.
