こんにちはみんな。
私の名前はミコル・トレソルディ。
今日私の話す意思良いについてコーディングと継続的なそして混合変数
に探検するブラックベリーのの入力空間。
前にザジャンプの中へのトピックけれど、
私はそうするだろうのようにに与えるあなたの簡単な概要の何私のプレゼンテーションするだろう見た目のように。
病気始めるによる共有そしてプレゼンテーションするにあなたに少し少しのに一般的なアイデア
の何の物体ののプロジェクトだったそしての客観的それだった運転それ、
そしてそれから病気合格ホンに現在のイニシャルアプローチ
それ私たちは取った最初はに追求するこれ客観的。
病気それから見せるあなたけれど、
それ続くこれイニシャルアプローチ、私たちはする出会いいくつかの問題。
でそれポイントでの問題インターンシップ、
良い必要に行く戻るにの始まりのの問題設定、
そして試すに見た目でそれからにわずかに違う視点、
でに方法それ私たちはできる数字外の代替案方法
の探しているで私たちの入力変数。
でやってるこれ、良い良い変更する私たちの日付構造。
しかし病気見せるあなたどうやって私たちはできる実は建てるの同等統計的にモデル
でに方法それ私たちは意思注記良いで必要の行くそして集めるどれでも追加日付、
しかし実は私たちはそうなりますできるに再分析するちょうど同じ日付、
そしてまだ良いできるにうまくいけば克服する私たちのイニシャル問題
そして探すいくつかの役に立つ方向に行く。
これはの概要ののプレゼンテーション。
させて自分自身始めるによる与えるあなたの一般的なアイデアののプロジェクト。
いつのクライアント最初の到達点外に私たち、彼らは持っていた何か念頭に置いて
で条項の持っているいくつかの材料彼らは必要なにミックス一緒に、
でに方法それの最後の配合出展しましたいくつかの最適なプロパティ。
ブラックベリー具体的には、
どれでも配合だった行くに良い判断されたその上二プロパティ、
そしてそれぞれのこれらプロパティ持っていたに会ういくつかのある最適性基準。
としてザただ述べました、の問題自体、は事前一般的なでその自然。
良い持っているいくつかの材料、を使用しての一般類推、
私たちはできる考えるについて私たち自身での台所持っているいくつかの材料
そして持っているに数字外に方法にミックス彼ら。
で方法それ、での終わり、私たちのケーキ意思見た目ニース
そしてまた味良い。
これはの一般的なフレームワーク。
今、点灯自分自身与えるあなたいくつかのブラックベリー詳細についてこれ特定のケーキ。
のレシピ電話のために四材料、
要素に、要素B、要素C、そして要素D.
のために要素に、 B、そしてC、
実はの額に置くでのレシピはいるあらかじめ決められた。
私たちはしないでください持っている自由そこには。
ホンの他の手、何私たちは必要に決めるけれど
はどうやってだった行くに作るそれらの材料、もしあなたのように。
そこにはは複数方法の作るそれらの材料
なぜなら私たちは持っている複数生材料それ私たちはできる雇用する
に到着にそれらの材料。
それからのみ後持っているこれら材料準備ができてのためにを使用して、
私たちはできる実は雇用する彼らでの最後のレシピ。
これはのために要素に、 B、C。
のために要素Dホンの他の手、そこにははのみ1つ生材料私たちはできる使用。
のみ1つ方法の作るそれ。
何私たちは必要に決めるはどうやって多くの
だった行くに置くに要素Dでの最後のレシピ。
ただに要約、で条項の決断-作る問題、
良い必要に決める四もの、
どうやって私たちは作る要素に、どうやって私たちは作る要素B、
どうやって私たちは作る要素C、
そしてどうやって多くのの要素Dだった行くに置くでのレシピ。
わかった、今病気必要に良いに少しブラックベリー特定の
で与えるあなたいくつかのブラックベリー詳細
についてどうやって、何だったこれら方法の作る要素に、 B、そしてC.
のクライアント、いつ彼らは来たに私たち、
彼らは持っていた比較的少しオプションで心のためにこれ。
のために要素に、彼らは欲しかったに考慮する二生材料。
どちらかのみを使用して生材料A1、またはのみを使用して生資料A2。
のために要素B、オンスまた、のみ二生材料、 B 1そしてB 2.
の可能方法の作る要素B、
それだったどちらかの二マッシュポテトブレンドするのB 1そしてB 2、
またはに50-50ブレンドのB 1そしてB2.
要素C私たちは今三つ行材料は利用可能のために作るそれ。
繰り返しますが、どちらかの三つマッシュポテトブレンド、 C 1、 C 1、 C3、
またはとしてに第4オプション、は50-50ブレンドのC 1そしてC 2.
と尊敬にの要素D量、
どれの私は行くに示すによるから今の上、によるバツ1、
彼らは欲しかったにテスト四可能レベル。
四可能金額、五、 10、 15、そして20.
に関しての応答変数、それらのはわずかにブラックベリー率直な
でのセンスそれ私たちはのみ持っている二の彼ら、
両方私たちの継続的な変数。
それぞれの彼ら、としてザだった言及されたでの始まり、
持っていたに会うある最適性しきい値、最適性基準。
のためにY1持っていたに良いその上17. のためにY2持っていたに良いその上2.6.
今私たちは持っているホン私たちの左、
私たちの入力変数それ私たちは必要に決めるどうやってに操縦そして変化する
で作るのレシピ。
ホンの右側、
私たちは持っているのプロパティそれだった興味があるで。
何私たちは。にするだった
にプロポーズした私たちのクライアントにする設計実験
でに方法それ私たちはするだろう行く外そして作るいくつかののこれらレシピ、
作るいくつかののこれら製剤そして良いできる、からの集めました日付、
後録音のプロパティのために[聞き取れない 00:06:32] 、
実際の観察された製剤、
に理解するそして推測するの人間関係受ける
それだったリンクするの入力変数。
どうやって私たちはだった作る私たちのレシピそして応答変数。
どうやってのプロパティ実はだった実行中彼ら自身
のために違う組み合わせのの入力。
結局のところそれの客観的ののプロジェクトだったで事実、
に数字外かどうかそこにはだったの最適なレシピ、
意味にレシピそれだれのプロパティ
両方会った彼らのそれぞれの最適性基準。
与えられたこれフレームワーク、与えられたこれ設定、
今そのかわいいクリアそれバツ1は行くに良いに定量的変数。
しかしどうやってについて要素に、 B、そしてＣ？
与えられたの事実それ私たちはできるミックスこれら生材料。
は私たちは行くに扱う彼らとしてカテゴリー的なまたはは私たちは行くに扱う彼らとして数値的な？
でこれインターンシップ、なぜならのクライアントだった特に興味があるで
観察するのパフォーマンスのこれら特定の組成物のの生材料
のために作るの様々な要因に、 B、そしてC、
私たちは。に収容する彼らのリクエストそしてコード化された彼らとしてカテゴリー的な変数
でに方法それ私たちはだったもちろんそれそれらの特定の組成物
だった行くに見せる上でのデザインの実験。
また、カテゴリー的な変数手段それ、そしてでこれ家、
それぞれレベルののカテゴリー的な対応するにに可能方法
の作るの材料または要素。
私たちは終わり上と三つカテゴリー的な変数
と二、三つ、そして四レベルそれぞれ。
今、ターン外それ実は
これカテゴリー的なコーディングアプローチだったまたかわいい役立つでの議論
のどうやって私たちは欲しかったに特定の統計的モデル
それ、で原理、だった想定に、
またはで少しでも想定されるに良い包括的な十分
に説明するそして捕獲の関係受ける
間の要因そしての反応、のプロパティ。
のためにのクライアント、だった特に簡単
のために持っているこれカテゴリー的なコーディングに識別するそして特定
何一種の相互作用ターン誰が彼らはだった期待してにもし
で条項の説明するそして良い関連するで説明するの関係。
の最後の統計的モデル
それ私たちは終了しました上指定するのデザインの実験、
含まれるの主要効果、二-方法相互作用、全ての彼ら、
二次関数そしてキュービック条項のためにの継続変数
との追加のの交流のの二次関数と1つのの要因。
今、のコース、
私たちはまた持っていたいくつかの制約での番号の実験利用可能。
なぜなら私たちは明らかにしないでください持っている無限額のリソース、
知っている私たちは置くに制約の51走る、
そしてこれはのエネルギー省それJMP与えた私たち
できるに見積もりの統計的モデル私たちはただ指定された、
そしてまた良いできるに良い内での制約
それホン私たちのリソース。
今とこれ、ののみものそれだった左にする
だった行くそして作るこれ51製剤。
想像するそれだった素晴らしい素早い、そしてすべては魔法、
そして私たちは持っているすでに得た銃
そして作った全ての私たちの関係集めました日付。
今私たちははで良い形のために
見積もるのガウスモデルそれ私たちは指定された。
これらはの結果のためにの最初のプロパティ、Y 1.
私たちはできるもしそれそこにははにかわいい良いフィット間予測するそして実際の価値観。
にまた、もし私たちは見た目でのメトリクス、の報告、のモデルまとめ、
それらの見た目かわいい満足です。
の同じは真実もし私たちは見た目で今での2番財産Y2、
また、かわいい良いフィット。
私たちははハッピーと私たちのモデル、そして私たちは考える私たちはしたに良い仕事
で捕獲するの関係。
今覚えてそれ何私たちは本当に欲しいに発見するは、で事実、
そこにははどれでも最適なレシピそれできる会う両方基準のために私たちのプロパティ。
どうやっては私たちは行くにするこれ？
どうやっては私たちは行くに確立するもしそのようなに最適なレシピ存在しますまたはない？
良い、でJMPプロ16、これはに素晴らしい簡単タスク、
なぜなら私たちはできるシミュレートする何千ものの潜在的代替案レシピ
によるを使用してのプロファイラー特徴オプション。
のためにそれぞれのこれら仮説的なレシピ、
私たちはできる自動的に持っているでの同じテーブル
の予測された平均価値のためにの二プロパティ、
知っているそれそれ来るスーパーナチュラルそして素晴らしい簡単
にもしもしそこにははどれでも最適なレシピ。
ただに与えるあなたのアイデアどうやって素早いそれは、
ザ欲しいに見せるあなたライブ、どうやって私たちはできるするこれ。
これは私のエネルギー省カテゴリー的なテーブル、どこザ持っている私の要素に、 B、そしてC.
X1は私ののみ定量的入力変数。
ザ持っている私の記録された価値観のためにの二プロパティ、 Y1そしてY2.
今想像してみてくださいそれ私たちは持っているすでに走るのモデル、推定モデル
そして保存されましたの予測数式のためにの二変数ここ。
私たちはできる行くここそしてハイライトこれら二列。
行くにグラフ、選択するプロファイラー、
そしてそれから置くそれらの二予測数式でのY予測式箱
そしてクリックわかりました。
これはのいつもの方法私たちは得るにプロファイラー対話箱。
で事実、私たちはできる、簡単に遊ぶその周りそして変化の様々な、
しかしレベルのの入力でに方法それ私たちはできる実はもし
どうやってこれ影響私たちの予測のためにの二プロパティ。
しかし、何ザ欲しいに見せるあなた今日
はどうやって私たちはできる実は聞く、行くにの赤三角形、
聞くJMPに出力にランダムテーブル、そして私たちはできる作るそれとして大きいとして私たちはのように。
私は行くに始めると30,000行、ただに始める、
病気見せるあなた、もし、
しませんでした本当に、かかりましたいいえ時間のためにJMPに与える私たちこれ30,000行
どこそれぞれテーブル、どこそれぞれ行対応するにに仮説的なレシピ
それ私たちはしていない必然的に見たでのDOE。
これはの力の持っているこれ特徴でJMP、
それ私たちはできる探検するの入力空間で文字通りいいえ時間。
今、もし私たちはは興味があるで見る
かどうかそこにはは1つレシピそれは最適な、
それから私たちはできる行くここ、グラフビルダー、
そして置くの予測的な価値観のためにY1、予測的な価値観のためにY2.
そしてそれからただに援助私たちの視覚化、
私は行くに置くに垂直軸
で対応のの最適なしきい値のためにY2、
そして同じく水平ラインマーキングの最適なしきい値のためにY1.
これアッパー四分円を示しますの最適な地域、
なぜなら両方プロパティは満足のいくの最適性基準。
残念ながら、それ私たちはできるもしからここ
それ私たちはしないでください探すどれでもレシピそれは、で事実、
できるに満足する両方の基準。
これはのように、わかった、注記とても良いニュース。
今点灯自分自身行く戻るに私のプレゼンテーションとても素早い。
私たちはできるもし、で事実、
それ私たちはしないでください持っているどれでもプロパティラインこれ四分円
とのハッピー緑スマイリー。
何する私たちはするでこれポイント？
する私たちは与える上？ のコース注記。
何私たちはできるするは、で事実、行く戻るにの始まりのの問題
そして試すにもしもし私たちはできる変化どれでもの私たちのイニシャル選択肢
それ私たちは初めて作ったで近づいてくるの問題。
で特定の、あなたかもしれない良い思い出しているそれ私たちはだった未定
かどうか私たちはするだろう扱うの要素に、 B、そしてC
としてカテゴリー的なまたはとして数値。
知っているする私たちは持っている治療された彼らとしてカテゴリー的な。
知っているする、要素にとしているにカテゴリー的な変数、と二レベル、
どちらかのみを使用してA1またはのみを使用してA2.
しかし、なぜならで事実、のクライアントだった開ける
にミックスの生材料に作る要素に。
知っているそれだったのオプション。
それから何私たちはできる考えるの
は置き換えるこれ要素にと変数
それ今ザ電話A1 内容、どれのはに定量的変数、
どれのを表しますどうやって多くののA1私は行くに置く
の中への混合のA1そしてA2用作る要素に。
の翻訳、
の変換間カテゴリー的なレベルそして数値的価値観、
そのほとんどすぐに。
もし私はのみを使用してA1、私は行くに使用100% A1で私の混合。
知っているザできるキューA1コンテンツに良い等しいに1つ。
ホンの反対側、もし私はのみを使用してA2、
これ手段それザ持っているゼロA1コンテンツで私の混合物、
そしてしたがってA1コンテンツは行くに良い等しいにゼロ。
あなたかもしれない持っている推測したそれ暗黙的に、
私たちははまた定義するA2コンテンツに良い等しいに1 - A1コンテンツ。
しかし私たちはしないでください本当に必要それ
なぜなら私たちははのみ探しているで二混合変数。
なぜは私たちはやってるこれ？
良い、のアドバンテージはクリア。
と因子A、
私たちはだった制約されたで探しているでどちらかA1コンテンツに良い等しいにゼロまたは1つ。
今それだった検討中継続コーディング、
のA1コンテンツできる取るどれでも価値間ゼロそして1つ。
これ、のコース、
を表しますの巨大なジャンプでの柔軟性の私たちのモデル
そしての無限でのセンスそれ今私たちはは開ける
に文字通り無限ブラックベリー混合物そして無限ブラックベリー方法の作る因子A。
同じく、要素Bはカテゴリー的なと三つレベル。
知っているするそのされたこれ方法、
コード化されたのみB1、のみB2または50-50ブレンド。
しかし続くの似ている論理、
私たちはできる今紹介しますB1へコンテンツ、継続的な変数。
に得、の変換は行くに良いその通りの同じ。
50-50ブレンドのB 1そしてB 2意思良い変換されたで0.5
なぜなら私はを使用して50 %のB 1そして50 %のB 2.
また、 B 2 内容は1 - B 1 目次。
に得、のアドバンテージはそれだった注記バウンドにジャンプからゼロに0.5、
またはにゼロに1つ必然的に、
しかし私たちはできる探検するの全体スペクトラムの価値観
からゼロに1つ。
要素Cはおそらくブラックベリートリッキー、
なぜなら私たちはする持っている三つ可能生材料にミックス上。
にtこれインターンシップ、
私たちは必要に紹介します注記ただ1つ、しかし実は三つ継続的な変数
それその上いる継続的な、持っているまたの混合制約。
意味全て回、彼らは必要に良い何かに1つ。
しかしの変換
間のレベルの要素Cそしての三つ新しい混合変数
続くその通りの同じ論理。
それは素晴らしい簡単。
これはただに視覚化のどうやって私たちはするの変換ののレベル。
これはどうやってのエネルギー省ポイントそれ私たちはすでに持っているの日付殿様。
私たちはしないでください必要何でもそれ以外。
はシート内での継続的なコーディング空間。
今、ののみブラックベリー
。ステップで通過からのカテゴリー的なコーディング
に使用に継続的なコーディングはどうやって、で事実、
私たちは変換するこれの統計的モデル
それ私たちは使用にデザインの実験そしてそれからに分析するの日付。
どうやっては私たちは行くにするこれ？
良い、のより簡単に方法はにただするそれで多くの小さいステップ。
何だった行くにするは始めると私たちの主要効果モデル、
に少しによる少しでの違う要因。
私たちは始めると因子A、どれの持っていたのみ二レベル。
今での継続的なコーディング、何だった行くに置くはA1コンテンツ。
だったのみ行くに置くの線形学期のこれA1コンテンツ。
で事実、私たちはのみ持っていた1つ係数のためにファクターAでのカテゴリーコーディングモデル。
同じく、今だった行くに持っている1つシングル係数のためにA1コンテンツ。
今もしあなたしないでください信じる自分自身、これ、そのの同等モデル。
私は行くに見せるあなたにカップルの例。
想像してみろ私たちは欲しいに数字外
のインパクトのを使用してのみA2のために作る因子A、
それからそれ手段それA1コンテンツはゼロ。終わり。
からのカテゴリー的なコーディングモデル、
だった行くにただ見た目でのインターセプト学期、
なぜならこれ余分な学期参照しますにいつ私たちは使用A1.
ホンこれ他の側、
のために継続的なコーディングモデル、
だった行くに置くのインターセプト、のコース、
そしてそれからのA1コンテンツ係数、しかし今私たちは意思かけるそれによるゼロ
なぜならA1コンテンツはゼロ。
ない平やってるどれでも数学、
あなたできる本当にもしそれこれら二数字はその通りの同じ。
同様に、もし私たちは欲しいにもし、何ですかのインパクトのを使用してのみA1
今でこれ時間、 A1コンテンツは行くに良い等しいに1つ。
今のためにカテゴリカルな、
私は行くに和上のインターセプト学期プラスのファクターA係数アコード
会計のためにの違いそしてのレベルのの要素。
ホンこれ他の側ですが、
私たちはは行くにいつも含まれていますのインターセプト。
にtこれポイント、良いかけるのA1コンテンツ係数による1つ
なぜならのコンテンツは1つ。
繰り返しますが、そうではありません平どれでも数学、
の二数字ここはの同じとしての二数字ここ。
その通り同等。
今と要素B、私たちは持っていた三つレベル。
どうやっては私たちは行くにするそれ？
良い、なぜならそれもっている三つレベル、今私たちはできないただ追加の線形学期、
しかし私たちはまた必要に追加の二次関数学期。
私たちは持っていた二係数前に、そしてだった行くに持っている二係数
今もとの継続的なコーディング。
に得、もしあなたしないでください信じる自分自身、これはの同等モデル、
我々はできる仕事外で少しでも1つ例、どれの作品その通りとして前にそして。
もしザのみ持っているB2、B 1 目次でゼロ、
手段それ二係数は行くに持っているゼロ重さ
でコンピューティングのインパクト。
したがっての二数字はのみただ二それアレス、で事実の同じ。
私は注記行くに行くの中へこれまた、
のみB 1は同等にB1 目次等しい1つに。
のほとんど面白いは、
これそれで少しでも必要あなたにするいくつかの合計。
どこB 1コンテンツは行くに良い0.5、なぜなら私たちはは検討中50-50ブレンド。
あなたできる確認する簡単に
それこれら二数字ここ合計した上
は同等にこれ他の側のの方程式
どこ私たちは置く0.5そして0.5二乗、
なぜなら今私たちのB 1 目次は等しいに0.5。
今のために要素C、私たちは持っていた四レベル。
私たちは特に覚えて、私たちは持っていた三つ可能生材料。
私たちは持っていたに紹介します三つ混合変数。
毎時間私たちはする持っているに取引と混合変数もの、
そのわずかに複雑
なぜなら彼らはなる完璧にクリーナーとどれでも絶え間ない学期。
で置くのC 1、 C 2、そしてC 3、
の和の彼ら削除しますまたは必要私たちに消去の絶え間ない学期。
しかし他のよりもそれ、すべて続くかわいい多くのの同じ。
私たちは持っていた三つ係数ここ、
そしてだったまだ行くに持っている三つ係数ここ
なぜなら私たちは持っている四、しかし私たちはは取得赤ののインターセプト。
知っているまだの同じバランス。
に得、私は注記行くに行くアトラヴェルソ全てのの例、
しかしあなたはブラックベリーよりもいらっしゃいませに見た目でのスライドオフライン
そしてチェックそれそれらのアレス、で事実、与えるあなたいつもの同じと答える。
これらは全ての例。
今と知っている多くの仕事、私たちは持っている見つかったの変換のの主要効果。
どうやって私たちは実は変換するそれぞれ別要因
の中へを使用しての新しい継続的な変数？
今私たちのオリジナルモデル、けれど、含まれていますブラックベリーよりもただ主要効果。
で事実、私たちは持っていたの二-方法相互作用。
今のアイデアここはそれ毎時間ファクターAが表示され、
私は行くに代わりのそれとA1コンテンツ。
毎時間要素Bが表示され、
私は行くに代わりのそれ
との2つのB1コンテンツそしてB 1コンテンツ四角い。
同じくのために要素C、
私は行くに代わりのそれとの四条項それ私は置くここ。
の同じ保持しますいつ私は相互作用するとバツ1、
そしてすべてはとても多くのでの同じ風味、
論理的に続くの同じスキーム。
ののみ注意それあなた欲しいに良いわかっているの
そして良い特に気配りのあるについて
はそれ毎時間あなた交流する3まで混合変数、
どこそれらのはあなたの三つ混合変数、
それらの主要効果それあなた元は持っていた今必要に良い除外されるからのモデル、
さもないと、のモデルしません良い実現可能。
それはののみ注意それあなた必要に良い注意深いについて。
その他よりもそれ、だった準備ができてに行く。
私たちは得た私たちの同等継続的なモデル。
今何私たちはできるするは、で事実、また、確認するそれすべてはまだ同じ。
ザ得るその通りの同じ予測、
どちらかを使用してのカテゴリー的なコーディングまたは行くそしてを使用しての継続的なコーディング。
今あなたかもしれない聞く自分自身、なぜはあなた行くの中へ知っている多くのトラブル
そして行く、やってる知っている多くのメッセージもしものはその通り同じ？
良い、のアドバンテージはすぐににもし、
そしてあなたできる本当に感謝するそれもしあなた始める探しているでのプロファイラー。
これはのプロファイラー、どうやってそれ見た目、いつあなた使用のカテゴリー的なコーディング。
あなた持っているにジャンプ間の違うレベル。
あなたしないでください持っているの最もかすかなアイデア何できる起こるで間。
とともに継続的なコーディングで他の手、
それはその通り何あなたできるする。
あなたできる探検する方法ブラックベリーのの違う可能方法
の作るの様々な材料因子A、 B、そしてC
でに方法それ前にそれだったただ外の限界。
でテクニカル条項、手段それ私たちは持っている方法ブラックベリー力の補間。
これしませんとして無料、のコース。
何あなた支払う、の価格のはで事実、
それあなたは暗黙的に作るいくつかの仮定。
の仮定よろしくの方法それの様々な新しい継続的な変数
それ私たちは持っている紹介されたは関連しているにの反応。
でに方法、私たちはは暗黙的に仮定してそれ
の関係間に1 目次そして私たちのプロパティは線形。
の関係間B1C内容は二次関数と知っている前方へ。
もしあなた考えるそれそれらの仮定しないでください本当に所有であなたの家、
それからのコース、の全体手順は疑わしい。
あなたしないでください欲しいに追求するこれ。
しかしもしあなたしないでください持っているどれでも理由なぜあなたしないだろう信じるこれ、
またはで少しでもなぜあなたしないだろうで少しでも探検するこれ可能性、
それから、今私たちはできる行く戻るそしてするの同じエクササイズ
そして探検するまたの入力空間、しかしと方法ブラックベリー柔軟性。
また、しましょうもしもし私たちはできる探すそれの最適なレシピ
とこれ新しい継続的な混合コーディング。
どうやってだった行くにする？ 良い、その通り同じ方法。
私はするつもりだ使用のJMPプロファイラー特徴
そして使用のシミュレーションそしてもしもし私たちはできる探す何でも。
今点灯自分自身行くここ。
これは私のエネルギー省継続的なテーブル。
継続的、なぜなら今あなたできるもしそれ
これらは全てコード化されたとして継続的な変数。
彼らは持っているの青三角形次に彼ら自身。
のC 1、 C 2、 C 3はまたこれら出演者、
示すそれ彼らはコード化されたとして混合変数でJMP。
今想像するそれまた、
私たちは持っているすでにフィットした私たちのモデルとのフィットモデルプラットフォーマー。
私たちは保存されました私たちの予測数式今との継続的なコーディング。
何だった行くにする同じもの、
グラフプロファイラー、選択するそれらの、そしてここ私たちは行く。
ここは私たちの予測プロファイラー。
今私たちはできる遊ぶ方法ブラックベリーとのプロファイラーそしてもし全て違う組み合わせ
それなし持っているにジャンプ間違うオプション。
今、オンスまた、赤三角形、出力ランダムテーブル。
ただのために作るもの公平、私は行くに聞く3,000行。
また、いいえ時間、文字通りまばたきするのの目。
JMP与えるあなた3,000行テーブル
どこ今どのレシピもまたです、ごめんなさい。
すべての行はまた、に潜在的仮説的なレシピ
それ私たちはしていない本当に見た、必然的に見たで私たちのエネルギー省
しかしそれまだ実現可能、
なぜならそれまだ尊重しますの制約それ私たちは持っていたでの始まり。
オンスまた、
に数字外かどうか何か良いは出来事、
またはで少しでもかどうか内でこれ30,000製剤、
私たちはする探す何かそれは最適な。
私は行くに構築するの同じグラフ。
今あなたできるもしそれ私たちのポイントは全て分散したそしては注記整列したもう。
また、フィッティングの軸ただに援助私たちの視覚化。
これはのニースもの。
とこれ方法のコーディングそして探しているでブラックベリーのの入力空間、
私たちはする探す少し製剤それ思われるに良い有望な。
のコース、私たちは必要に保つで心それこれ私たちの予測的な価値観。
すべてはまだ頼ってホン私たちの日付、ホン私たちの統計的モデル分析、
しかしはまだブラックベリー有望なよりも前に。
私たちはする探す何かでの最適な地域定義済みによるこれら二軸。
素早く、行く戻るに私のプレゼンテーション、
ザ欲しいに描くに最後の結論ここ、
どれのは、で事実、それ、を使用してのカテゴリー的なコーディング、
私たちはできませんでした探すどれでもレシピそれで少しでもホンの予測的な側、
できた、で事実、会う両方の最適性基準。
良い、オンス私たちは振り向くに、
理解外どうやってにキューこれら違うカテゴリー的な変数
の中へ継続的なそして混合変数
そしてエクスプロイトのJMP力の与える私たち何千ものそして何千ものの製剤、
私たちはする探すに少しそれで事実会うのスペック。
私たちはだったハッピーそれで少しでも私たちはできた行く戻るに私たちのクライアント言う、
見て、その代わりの与える上ホンあなたのプロジェクト、
試すに作るこれら製剤そしてもしどうやって、で事実、
かどうかの実際のプロパティする会うあなたの基準またはない、
しかしで少しでもそれ与える私たちいくつかの方向の改善どこに行く。
とこれ、私はそうするだろうのようにに終わり私のプレゼンテーション。
ありがとう私の同僚、トン・シンジエ
そして全ての私の協力者でダウ化学薬品。
ありがとうあなた、全てのあなたのために見てる私のプレゼンテーション。
病気良いブラックベリーよりもハッピー
に答えどれでも質問あなたかもしれない持っているでこれポイント。
ありがとうあなた。
