你好，我的姓名是瑞安帕克，和我是興奮的到是這裡今天
和黏土巴克到分享和你一些新的工具那我們已經添加到幫助你
分析光譜數據和這功能性數據探險家在JMP專業版17.
所以什麼做我們意思是經過光譜數據？
我們有A很多的應用
從化學計量學那有有動力A很多的這工作。
但我會只是開始離開經過說
是真的擔心關於數據那有鋒利的峰。
這可能不是一定是光譜數據，但這些是這類型的數據
我們曾經有過A難的時間造型在有限元素向上到這觀點。
和所以我們真的通緝到重點在試
到打開向上這些應用和製作它A很多更輕鬆到處理這些鋒利的峰。
或許潛在的不連續性。
只是這些大的，波浪狀的特徵的數據。
在哪裡在這具體的例子，和光譜學數據，
是思維關於作品的材料，
和這些尖峰能代表這些組成，
和我們想到是有能力的到嘗試到量化那些。
所以其他應用來自質譜分析，
和這裡你能看這些非常鋒利的峰。
他們是全部超過這地方在這些不同的功能。
但這些尖峰是代表蛋白質從這些光譜，
和他們能幫助你，為了例子，
比較差異之間事物從A病人和癌症
和患者沒有癌症到理解差異。
我的意思是，再一次，
它是真的重要的那我們嘗試到模型這些尖峰出色地
所以那我們能量化這些差異。
一個例子那黏土是去到展示來了從色譜法。
這是在哪裡是試到……
在這案件，
我們想到看在量化這不同之處之間一個橄欖油
相對其他蔬菜油。
和所以這成分的這些事物代表經過全部的這些峰，
我們需要到，再次，嘗試到模型這些出色地。
這第一的事物我想到覆蓋是四新的工具到預處理你的數據，
光譜數據前你得到到這造型階段。
這第一的一是這標準普通的變數。
所以和這標準普通的變數，是思維關於
標準化每個功能經過他們的個人意思是和方差。
所以是去到拿每一個功能一在A時間，
減去離開這意思是，劃分經過這方差，
所以那他們全部有意思是零和變異數一。
這是一個選擇到這現存的工具我們有標準化、
哪個是只是看著在A全球的意思是在變異數
所以那這數據他們自己有到過縮放，
但肯定方面，喜歡方法，是仍然那裡，
然而和這標準普通的變數，我們想到消除那為了每一個功能。
這下一個工具乘法S貓貓更正。
它是相似的到標準普通的變數，
這結果結尾向上存在這相同的，相似的。
但在這案件，是思維關於數據在哪裡我們有光分散。
所以一些的這些光譜數據來在哪裡我們有到擔心關於
我們的光分散從全部這個人功能存在不同的
從A參考功能那是有興趣的在。
通常這是這意思是。
所以什麼出色地做是我們將要放A簡單的模型
之間這個人功能到這意思是功能。
你知道，我們將得到係數
那我們能減去離開這意思是特徵，
劃分經過這坡特徵，
得到我們到那相似的標準化這數據，
和在這案件，專注的在這光分散。
好的，所以在這觀點，
是思維關於什麼如果我們有噪音在我們的數據？
什麼如果我們需要到光滑的它？
所以這楷模那我們想到合身，為了光譜數據，
這些小波，他們不光滑的這數據為了你。
所以如果你有吵雜數據，你真的想到嘗試到處理那第一的，
和那是在哪裡這薩維茨基-戈萊篩選來了在。
什麼這是去到做是合身n-程度多項式
超過指定的頻寬
到嘗試到尋找這最好的模型那將要光滑的你的數據。
所以我們搜尋超過A網格為了你，
挑選這最好的一，和然後展示這結果到你。
和我做想到筆記那這數據是必需的到是在A常規的網格，
但如果你不有一，頻域DE將要創造一為了你。
我們有A減少選項
那你能使用如果你想一些更精細控制超過這，
但經過預設,
我們是去到看在這最長功能，
選擇那作為我們的數位的網格點,
和創造A常規的網格從那為了你。
但這好的事物關於這S阿維茨基-戈萊濾波器
是因為的這建造和這些多項式，
我們有簡單的使用權到這第一的或者第二衍生物。
甚至如果你不有光譜數據和你想到訪問導數函數
這將要是你的途徑到做那。
和如果你做要求，說，這第二衍生物，
我們的搜尋得到受約束的到僅有的多項式
這將使我們能夠給你A第二衍生物，為了例子。
但這會是這方式到參觀那個，
甚至如果你不是甚至擔心關於平滑。
你能現在得到到衍生物。
這最後的預處理工具患病的覆蓋是基線更正。
所以在基線更正，
你是擔心關於擁有一些特徵的你的數據
那你會只是考慮A基線那你想到消除
前你模型你的數據。
所以這主意這裡是我們想到合身A基線模型。
我們有線性，二次方，為您提供指數選項，
所以我們想到合身這到我們的數據和然後減去它離開。
但我們知道那裡是重要的特徵，
通常這些峰，
所以我們想到不是使用那些部分的這數據
什麼時候我們實際上合身這些基線楷模。
所以我們有這選項這裡為了更正地區。
我思考為了這最多部分你會可能使用全部的功能。
所以什麼這只是方法是，什麼部分是我們去到減去離開？
所以如果你選擇之內地區
僅有的東西之內這些藍色的線是去到是減去。
但我有已經添加四這裡。
每一個時間你點選添加在基線區域，
你是去到得到A一對的這些藍色的線和你能拖他們周圍
到這重要的部分的你的數據，和什麼這將要做是，
什麼時候你嘗試到合身，說， A線性基線模型，
它是去到忽略這數據點那是之內這些二藍色的線。
所以，功能一，我們放A線性模型，
但我們排除全部這些鋒利的尖峰那我們真的想，
那是有興趣的在。
和所以然後我們拿這結果從這個線性模型
和減去它離開從這所有的功能。
這選擇到那是一個錨觀點，
和那是如果你說，我真的會喜歡
對於這個具體點到是包括在這基線模型。
通常這是如果你有較小數據
和你知道，好的，我想這些很少點。
這些是鑰匙。 這些代表這基線。
如果我是有能力的到適合，你知道，說一個這些點的二次模型，
那是什麼我想到減去離開。
所以它是一個選擇。
什麼時候你點選那些，他們會展示向上作為紅色的作為一個選擇到這藍色的。
但這將要允許你到正確的你的數據
消除這基線前進行中。
所以那得到我們到如何我們模型光譜數據現在在JMP專業版17、
和是使用小波。
這好的事物關於小波是我們有A種類的選項到選擇從。
所以這些圖表代表什麼是被稱為母親小波
和他們是用過的到構造
這基礎那我們使用，那楷模這數據。
所以這最簡單的是這個哈爾小波,哪個是真的只是步功能，
或許難的到看那這裡，但這些是只是步功能。
但這雙正交，它有A很多的小的跳躍
和你能開始到想像，
好的，我能看為什麼這些製作它A很多更輕鬆
到捕獲尖峰在我的數據
其他比這哈爾小波。
全部這些有參數那是改變這形狀和這尺寸的這些，
所以我有只是已選擇A夫妻這裡到只是展示你這差異。
但你能真的看在哪裡，
好的，如果我放A很多的這些一起，
我能理解為什麼這是
大概A很多更好的到模型全部這些尖峰的我的數據。
所以這裡是一個例子到闡明那
和一的我們的新的樣本數據，
核磁共振設計的實驗。
所以這是只是從一功能在哪裡讓我們開始和B 樣條曲線。
這是種類的這去到為了最多數據地方到開始在FDE。
但我們能看那它是真的擁有A難的時間
採摘向上在這些峰。
現在，有，我們有假如你工具
到改變在哪裡結位於在這些野獸線楷模。
所以你可以做一些定制。
大概合身這A很多更好的比這預設.
但這主意是那現在你已經有到去和移動周圍的事物
和或許它作品為了一些功能，但不是其他的，
和你需要A更多的自動化的方式。
所以那是一選擇到那是磷-Sp線。
那是正在做那A小的位元為了你，
但它是仍然不是相當捕獲這尖峰或許作為出色地作為小波。
它是大概正在做這最好的為了這些數據。
相對的到小波和幾乎A模型-自由的方法
在哪裡我們模型這數據只是直接地在我們的形狀成分，
這直接的功能性的主成分分析。
它是或許A橋之間P 樣條曲線和B 樣條曲線
在哪裡它是不是相當作為好的作為磷-樣條線但它是更好的比乙-樣條線
但這是只是A快的例子到強調
如何小波能真的是A很多更快和強大的。
什麼是我們正在做在FDE？
我們構造A種類的小波類型
和他們的聯繫參數和合身他們為了你。
所以相似的到這S阿維茨基-戈萊濾波器，
我們做要求那這數據是在A常規的網格。
和好的訊息，出色地創造一為了你。
但的課程你能去到減少這控制那如果你會喜歡。
但現在這好的事物關於一次數據是在這網格，
我們能使用A轉型那是極佳的快速地。
所以磷-樣條線會也,為了這些數據，
是什麼你會真的想到有到使用，
但它們可能需要很長時間才能適應，
尤其如果你有A很多的功能
和你有A很多的數據點每功能。
但我們的小波楷模是去到本質上最後的
所以全部的這不同的基礎功能
那構造這特別的小波類型和範圍
和什麼那是去到允許我們到做是只是真的力量
A很多的那些係數那不真的意思是任何事物到零
到幫助創造A疏表示為了這模型。
所以那些五不同的小波類型那我顯示前，
那些是可用的，和一次我們合身他們全部，
是去到構造模型選擇標準
和選擇這最好的為了你經過預設.
你能點選透過這些作為選項到看其他適合。
和A很多的次這些第一的很少是去到看非常相似的
和它是真的只是A事的，
那裡是肯定應用在哪裡他們知道，
「好的我真的想這小波類型,"
所以他們會挑選這最好的一的那類型在這結束使用。
所以這好的事物關於這些楷模是他們發生在A解決。
他們是造型不同的決議的這數據。
所以我們有這些係數地塊在哪裡在這頂部他們是顯示
低頻，更大規模趨勢，喜歡一個全面的意思是，
和作為你去向下在這...
或者我猜測你去向上在這決議，
但向下在這陰謀，
你是去到看在高的-頻率專案,
和這些是去到是事物那是正在發生在非常短的秤，
所以你能看在哪裡它是採摘向上A很多的不同的特徵。
在這案例，需要...
A很多的這些是零為了這最高決議。
所以它是採摘向上一些體重計那是在這非常結尾的這功能。
它是採摘向上一些的這些差異這裡。
但這給出你A感覺的種類的在哪裡事物是發生在
兩個都地點和然後是那高頻或者低頻
部分的這數據。
所以這最後的事物我們已經添加到完全的這小波楷模
那是A小的位元不同的從什麼我們有現在是被稱為小波美國能源部。
所以如果你已經用過的頻域DE前，
你已經可能嘗試過功能性的設計的實驗
和那是去到允許你到拿功能性的原則成分分數，
連接設計的經驗因素到這形狀的你的功能。
但現在，小波楷模在特別的，
他們是係數，因為他們做代表決議和地點，
這些能是更多的可解釋的和他們有更多的直接的影響
到理解什麼是正在發生在這數據，
那可能是A功能性的原則成分
不是作為簡單的到連接和。
我們有這活力功能和它是標準化到展示你，
「好的，這解決在3.5，”
只是代表更多的在這結尾觀點。
那將會有...
那是在哪裡這最多差異是在全部的我們的功能，
和它是代表關於12%。
所以你能捲動向下。
我們去向上到在哪裡我們得到90%的這活力，
哪個是只是這平方係數價值觀
那我們只是標準化這裡。
但活力是只是如何大的這些係數是
相對的到一切別的？
但這，相似的到功能性美國能源部，
你能改變這因素，看如何這形狀變化，
和我們有案例在哪裡兩個都小波美國能源部
和功能性美國能源部工作順利。
有時小波 DOE只是得到這結構更好的。
沒有允許為了一些或許消極的點
那功能性美國能源部可能允許在這例子。
所以它是只是他們是兩個都那裡，他們是兩個都快速地。
我是說你能使用兩個都的他們到嘗試到分析這結果的小波楷模。
但那是我的快的概述。
所以現在我只是想到轉動它超過到黏土到展示你一些例子
使用小波的楷模和一些例子數據套。
謝謝，瑞安.
所以，作為瑞安顯示早些時候，我們成立一個例子
在哪裡夥計們是試到使用化學計量學方法
到分類不同的蔬菜油。
所以我有得到這數據放打開向上這裡。
這裡我們有我們的每個排的這數據放是A功能，
所以每個排在這數據放代表A特別的油，
和作為我們去穿過這桌子，那是這色譜。
所以我有打開這向上在頻域DE只是到節省A很少分鐘。
這小波配件是真的快速地，
但我想通了星期三只是去先和開始和這合身打開。
所以這是什麼我們的數據放看起來喜歡。
你能看那些紅色的曲線是橄欖油。
這綠色的曲線是不是橄欖油。
所以我們能看有確實一些差異
之間這二不同的種類的油類和他們的色譜圖。
所以，作為瑞安說，我們只是去到這紅色三角形菜單
和我們問為了小波和它將要挑選這最好的小波為了你。
但喜歡我說，我有已經完畢那，
所以我們能捲動向下和看在這合身。
這裡我們看這最好的小波那我們成立曾是被稱為這符號 20,
和我們已經得到圖表的每個合身這裡總結為了你。
作為你能看，這小波有合身這些數據真的出色地。
但在這案件，
是不是可怕有興趣的在配件這個人適合。
我們想到看如果我們能使用這些個人色譜圖
到預測無論或者不是一個油是一個橄欖油或者不是一個橄欖油。
所以什麼我們能做是，
我們能節省出去這些小波係數，
哪個我們已經得到A大的桌子這裡，和有數千的他們。
在事實，有一為了每一個觀點在我們的功能。
所以這裡我們已經得到4,000點在每個功能。
這桌子是漂亮的巨大的。 有4,000小波係數。
但作為瑞安曾是說，你能看那我們已經歸零一些的他們出去。
所以這些小波係數降低出去的這功能。
所以那是如何我們得到平滑。
我們合身我們的數據真的出色地，
但歸零出去一些的那些係數是什麼平滑這功能出來。
所以如何能我們使用這些價值觀到預測無論或者不是我們有一個橄欖油？
出色地，你能來這裡到這功能摘要和問為了節省總結。
所以什麼它是完畢是它節省出去這功能性的主要的成分。
但這裡在這結尾的這桌子，它也節省出去這些小波係數。
所以這些是這精確的相同的價值觀
我們看到的在那小波係數桌子在這平台。
所以讓我關閉這一。
我有得到我的自己的排隊向上只是所以那我不有任何事物出乎意料發生。
所以這是我的版本的那桌子。
和什麼我們想到做是我們想到使用
全部的這些小波係數到預測無論
這曲線是從一個橄欖油或者從A不同的類型的油。
所以什麼我是去到做是，
我是去到發射這廣義的回歸平台，
和如果你已經曾經用過的那前，
它是這地方我們去到建造線性楷模和概括線性楷模
用一個種類的不同的多變的選擇技術。
所以這裡我的回覆是類型。
我想到預測什麼類型的油我們正在看
和我想到預測它使用全部的那些小波係數。
所以我按跑步。
在這案件，我是去到使用這彈性網
因為那發生到是我的最喜歡的多變的選擇方法。
和我是去到按去。
所以真的迅速地，我們拿全部那些小波係數
和我們有成立這那些那真的做A好的工作的差異化
之間橄欖油類和非-橄欖油。
所以在事實，如果我們看在這錯亂矩陣，
哪個是，這是A方式到看在如何常我們預測適當地，正確的？
所以為了全部49其他橄欖油類，
我們正確地已確定那些作為不是橄欖油。
和為了全部71橄欖油類，我們正確地已確定那些作為橄欖油。
所以我們實際上預料到的這些完美
和我們僅有的需要的A漂亮的小的子集的那些小波係數。
所以我沒有數數，但那看起來喜歡關於A打。
所以我們開始了和數千的小波係數和我們煮沸它向下
到只是12或者所以那是有用為了預測我們的回覆.
所以什麼我思考是真的涼爽的是，
我們能解釋這些小波係數到一個程度，正確的？
所以這係數這裡是解決二在地點3001.
所以那告訴我們有某物去在在那部分的這曲線
這有助於我們區分之間橄欖油類和不是橄欖油。
所以什麼我有完畢是，
我有也已創建A圖形的我們的數據使用...
出色地，你會看。
所以什麼我有完畢是這裡這藍色的曲線是這橄欖油。
這紅色的曲線是這非-橄欖油類，
和這是這意思是色譜。
所以平均超過全部的我們的樣品。
和這些虛線線是這地點
在哪裡這小波係數是非零。
所以這些是這那些那是有用為了歧視性的之間油。
和作為你能看，一些的這些非零係數線向上和尖峰
和這數據那真的趨向到製作感覺，正確的？
所以，這裡是，
這是一的這非-零係數，和你能告訴它是正確的在A頂峰
在哪裡橄欖油是達到峰值，但非橄欖色油類是不是，正確的？
所以那可能是有意義的到某人
那學習色譜法和橄欖油類在特別的。
但所以我們喜歡這例子因為
它是A真的好的例子的如何小波合身這些色譜圖真的出色地。
和然後我們能使用這小波係數到做某物別的，正確的？
所以不是僅有的有我們合身這曲線真的很好，
但然後我們已經採取這資訊從那些曲線
和我們已經完畢A真的好的工作的歧視性的之間不同的油。
和所以我有得到一更多的例子。
瑞安和我是兩個都大的粉絲的迪士尼世界，
所以這是不是A色譜。
這是不是光譜學。
但反而我們成立A數據放那看起來在等待次在迪士尼世界，
所以我們下載的A子集的等待次
為了A騎被稱為迪士尼的這七小矮人，頭腦火車。
和如果你已經曾經到過到迪士尼世界，
你知道它是A真的涼爽的滾筒杯墊正確的那裡在夢幻之地。
但它也趨於到有真的長的等待次，對嗎？
你花費A很多的時間等待你的轉動。
所以我們通緝到看如果我們可以使用小波到分析這些數據
然後使用這小波美國能源部功能到看如果我們能數位出去
如果有天的這週或者月或者年
在哪裡等待次是特別高的或者低的。
所以我們能發射FDE。
在這裡你能看，我們有
每個天在我們的數據放，我們有這等待次
從那時起這公園打開，這裡，
到這時間那這公園關閉超過這裡。
和到製作這示範A小的位元更輕鬆，
我們已經巧妙的這數據放到乾淨的它向上一些。
所以這是不是確切地這數據，
但我思考一些的這趨勢那是去到看是仍然真的。
所以什麼我是去到做是我是去到問為了小波，
和它會拿A第二到跑步，但不是也長的。
所以現在我們已經成立那A不同的基礎功能是這最好的。
它是多貝西 20
和我道歉如果我沒有發音那正確的。
我有到過迴避發音那單字在民眾，
但現在那是不是這案件不再了。
所以我們已經成立那是我們的最喜歡的小波和什麼是去到做
是是去到去到這小波美國能源部分析，
和它是去到使用這些補充變數
那我們已經指定的天的這星期，年和月
看看我們是否可以尋找趨勢在我們的曲線使用那些變數。
所以出色地問為了小波美國能源部，
什麼是正在發生在這背景是是造型那些小波係數
使用這廣義的回歸平台，所以那是正在發生在後面這場景，
和然後它將要放它全部一起在A分析器為了我們。
所以這裡我們已經得到了，你知道，這是我們的時間的天多變的。
我們能看那在這早晨。
這等待次種類的開始，你知道，周圍一個小時。
它得到更長自始至終這天，你知道，
尖峰在關於80分鐘，幾乎一個小時和A一半等待。
和然後，作為你會預計，
作為這天去在和孩子們得到疲勞的和去到床，
等待次得到A小的位元更短直到這結尾的這天。
現在，什麼我們想法曾是有趣的
在找在一些的這些效果，喜歡年和月。
所以我們能看在2015年，這等待次種類的逐步地去向上，正確的，直到2020.
和然後什麼發生了在2020年？ 他們增加在二月，
然後，令人震驚的是，他們掉落相當A位元在行進和四月。
和我思考我們全部知道為什麼那可能有發生了在2020.
因為的嚴重特殊傳染性肺炎,更少人們是去到迪士尼世界。
在事實，它曾是關閉向下為了A儘管。
所以你能非常清楚地看A嚴重特殊傳染性肺炎影響在迪士尼世界等待次
真的迅速地使用小波美國能源部。
一的這其他事物那是有趣的
是我們能看在什麼時間的年是最好的到去。
它看起來喜歡等待次趨向到是降低在九月，
和自從迪士尼世界是在佛羅裡達州，你知道，
那是頂峰颶風季節，和孩子們不趨向到是出去的學校。
所以它是真的涼爽的到看那我們的模型挑選的那向上漂亮的很容易，對吧？
所以，但是不開始去到迪士尼世界在九月。
那是我們的時間。 我們不想它得到擠。
但是的，所以和只是A很少點擊次數，我們是有能力的
到學習相當A很少事物關於等待次，
七矮人礦火車在迪士尼。
但我們真的通緝到強調
這些方法是專注的在色譜法和光譜測定法，
但有A很多的應用在哪裡你能使用小波，
和我思考那是全部我們有。
所以感謝你。 並感謝你，瑞安.
