你好，每个人，和欢迎至JMP发现。
安德鲁卡尔和希思冲。
我有一个介绍今天那是去至强调
一些的这特征在JMP 17亲那将要帮助你出去
在这世界的混合物楷模。
许多的你是涉及在配方，
和至是诚实的，那是什么我们已经到过正在做一个很多最近。
是一个很多喜欢救护车追逐者，在哪里出色地只是去后
这最新的事物那客户是感兴趣的在。
但那是什么是看见一个很多最近，是伙计们那是正在做混合物楷模
那是实际上相当复杂的和更多的所以比星期三曾经知道。
我们只是决定我们将做一些更深调查
和一些的这新的已经出来的技术，
和那JMP 17施行为了我们。
安德鲁，将你喜欢至得到开始和也许给一个小的少量的背景
上这所有的主意的什么一个混合物模型是，
和一些的这其他技术？
好的，让我们开始出去和一个好的，简单的图形。
让我们拿一个看超过这里在这阴谋上这左边。
是在一个实验环境，
所以现在我认为我们已经得到二因素，
成分一个和成分乙，和他们范围从0-1。
如果有不混合物约束，然后一切在这黑色的正方形
是一个可行的观点在这个因素空间，
所以我们的设计常规是去至给我们积分某处在这个空间。
然而，如果有一个混合物约束
在哪里这些有至添加向上至一，然后只要这红色的线是可行的。
我们想至得到一个有条件的最佳
给定那约束，和我们想至结尾向上
某处在那线为了两个都我们的设计和我们的分析。
如果我们移动向上至三混合物配料，
一个，乙和C，全部有能力的至各不相同从0-1,
然后我们得到一个立方体为了那0-1约束为了每个的他们。
但和这混合物约束，那需要这形式的一个飞机
相交一个立方体，和那给我们这个三角形，
所以只要这个红色的三角形是相关的出去的那全部的空间。
如果我们有四方面，如果我们有四混合物因素，
然后那允许的因素空间是实际上一个三-维度子集，
一个金字塔内那里。
看着背部至这三-混合物环境。
看这个三角形？ 那是这允许地区。
出色地，那是为什么JMP给我们这些三元情节。
对于这些三元图，
什么JMP将要做是，如果你有更多的比三混合物因素，
是你会有二因素显示在一个时间，
和这第三轴将要是这和的全部这其他混合物因素。
我们能够看在这些三元图，相当比有至有一个金字塔
那是看着始终。
我们有至决定，我们要不要想一个空间填充设计
或者一个最佳设计？
现在，一般在一个非混合环境，星期三一般利用一个最佳设计，
和为了这最多部分，我们不会考虑一个空间填充设计。
有一个很少原因那我们想至考虑
一个空间填充设计在混合物设置。
经常在这配方世界，如果你去也远的，
有一个小的少量更多的灵敏度至去也远的在您的因素空间，
制造它也宽的，然后您的全部的过程失败。
小号假设那发生超过这里在哪里X2是。
认为它失败一切以下0.1。
你是去至失去一个好的块你的跑步因为这最佳设计
倾向于放最多的您的运行上这边界的这因素空间，
所以你是去至失去这些。
你是不是去至是能跑您的满的模型
和这其余的点，和你是不是去至有
任何好的信息关于在哪里那失败边界是。
为了这空间填充设计，如果你有一些种类的失败
低于 0.1，你是输一个更小数字的点。
您的其余的积分仍然给你一个空间填充设计
在这现存的空间那你能够利用至合身这模型效果，
现在是去至是有能力的至模型那失败边界。
还在这混合物世界，我们经常看更高命令效果积极的：
互动或者曲率，多项式，
比我们可能看在这非混合物环境。
如果我们别指定那些，因为任何的这些楷模是最佳，
有条件的上这目标模型我们给，所以如果我们别指定一个影响操作员
为了这最佳模型，我们可能不是是有能力的至合身它
后这事实，因为他们可能是别名
和其他效果那我们有。
这些空间填充运行行为作为某事一个抓住-全部的可能的运行，
所以有一个夫妻的原因
那我们可能想至考虑空间填充运行，
但我们想至拿一个看分析地。
什么是这区别在表现之间这些，
后我们跑通过模型减少，不是只是在这满的模型，
因为是不是只是要去是使用这满的模型。
那是这设计阶段问题。
什么时候我们到达这分析，
每当你是看着在这些混合物实验在JMP,
JMP自动地转弯离开这截距为了你，
因为如果你想以适应满的模型
和全部的您的混合保持效果，你不能包括这截距。
你会得到这个警告
因为这混合物-制成效果是受约束的至一，
和他们添加向上对什么这截距是，所以他们是别名。
还，如果我们想至看在更高命令效果，
我们不能是喜欢一个回复表面在哪里我们有纯的二次方条款。
我们有至看在这些舍夫立方体条款
因为如果我们尝试至看在这互动
加这纯的二次方条款，然后我们得到其他奇点。
那些是一个夫妻的皱纹在这分析。
然而，去向前和这模型选择方法，
向前选择或者套索，哪个是这根据方法
的这SVEM方法是去至是看着在，
我们想至考虑有时转弯离开这个默认'不截距'选项。
什么我们寻找是为了这套索法我们实际上有至去做
在命令至得到合理的结果。
后我们合身我们的模型，现在我们想至做模型减少
至踢出去无关紧要的因素。
我们已经得到一个夫妻的不同的方法的正在做那在根据JMP .
大概什么人们做最多频繁地是他们利用这影响概括
至去向后上这p-价值观，和踢出去这小的p-价值观。
但这个是漂亮的不稳定因为的这多重共线性
从这混合物约束，在哪里踢出去一影响
能够剧烈地改变这p 值的这其余的效果在这设计。
什么这个阴谋节目是如果我们去向后上p-价值观，
什么是这最大的p 值那是踢出去
和我们看一些跳来跳去这里和那是从那影响。
给定那种类的挥发性在这配件过程，
你能够想象如果你有小的变化
在您的观察到的回应，也许甚至从化验变化性，
或者任何其他变化性，只是小的变化能够带领
至大的变化在这减少模型
那是提出了作为一个结果的这个过程。
那高的模型变化性是某物那是是好的
如果我们可以平均超过在一些方法，在这相同的方法那也许
和引导程序为了美东时间我们平均超过这变化性
的这大车方法或者这分割方法
和那是什么这SVEM方法将是看着在正在做。
在这松动的感觉，他们是种类的这模拟，
为了这线性的方法是看着在。
还我们能够去步明智的和看在最小 AICc，
哪个是也许这首选方法。
在我们的最后的滑动节目的今天出色地是服用一个看在，
为了这根据JMP用户， AICc相对乙我知道了相对p 值选择
和我们的模拟诊断。
给信用至一个很多的这现存的工作和领导向上至这SVEM方法。
这些是一些伟大的参考那我们已经用过的超过这年。
还想至感谢克里斯戈特沃尔特为了他的耐心和接听问题
和分享信息作为他们已经发现事物沿着这方法。
这是真的帮助放我们向上至是有能力的至放这个至好的影响在实践。
请讲的在实践，在哪里有我们到过使用这个相当一个少量
超过这年是这环境的液体纳米粒子公式优化。
什么是脂质纳米粒子公式？ 那么，脂质纳米颗粒，
如果你有得到任何mRNA冠状病毒病疫苗辉瑞，摩登纳，然后你有得到这些。
什么这些做是你拿一个混合物的四不同的脂质，总结这里，
和他们形式这些小的小小的气泡。
然后那些是电带电，
然后他们携带沿着和他们一个遗传有效载荷，
mRNA,脱氧核糖核酸，或者其他有效载荷那任何一个充当疫苗
或者能够目标癌症细胞。
这电的收费之间这遗传有效载荷，
接着这对面的收费在这纳米粒子是什么结合在一起。
然后我们想要它至得到通过这细胞和然后发布这有效载荷里面。
这公式变化取决于上什么这有效载荷是。
一个也有时我们可能改变这类型的可电离的脂质，
或者这类型的他lper脂质至看哪个一做更好的，
所以我们有至重做这个过程超过和超过。
为了这最多部分，这科学家们有成立那这些
范围的也许10-60%这脂质设置
接着一个较窄范围的1-5%。
那是为了这最多部分这可行的范围为了这个过程。
那是到过探索出去，和那是什么这几何学
我们想至匹配这里在我们的应用是。
我们想至说，鉴于结构是正在做一遍又一遍，
我们要不要有一个理想的分析和设计方法为了那？
一个也我们想至放向上一个模拟那如果是看着在其他结构，
其他几何形状为了这因素空间，也许我们能够概括至那，
但那是去至是我们的重点为了正确的现在。
给定那背景，
我是去至让吉姆现在总结这SVEM方法和讲话关于那。
是的，感谢你。
这个特定发现介绍，
什么是去至做的是一个小的更中心一点上微软幻灯片软件，
很遗憾，因为这结果是真的什么这个是全部关于
为了这模拟那我们已经完毕。
但这个特定会议，我将要节目你一些的这JMP 17
那我们有新的能力。
如果我去和我想至放向上一个空间填充设计...
现在，之前我们不是能够做到混合物楷模和空间填充设计
就从出去的这盒子，如果你将要。
我们当然可以放约束在那里，
但现在什么我们想至做是节目你如何你能够做
一个空间 F生病设计和这些混合物因素。
这个是新的那我现在有这些来在作为混合物，
哪个是好的因为它现在携带
全部的那些柱子特性和它作为出色地。
一事物值得提及正确的现在是
这默认是你是去至得到10运行每因素，
所以40运行在一个美国能源部通常是好的
和我们是快乐因为我们的权力是出色地以上90%
或者任何我们的标准是。
但那是不是这案子[听不清 00:09:54]这些混合物楷模
因为有所以许多约束固有在它。
什么那是告诉我，很遗憾，是甚至如果我是至有40运行，
ID仍然只要有5%力量从正在做舍夫立方体
和甚至如果它是主要影响只要，有只要20%力量。
力量现在是不是真的一个设计标准那是去至看至
什么时候我们做这些混合物楷模。
现在，通常在我们的应用，
很遗憾，我们别有这奢华的有40运行。
在这个案子出色地做12运行和看如何那来了出去。
出色地去先和制作那个空间填充设计，
和你可以看到它是也许均匀地传播始终这表面。
的课程，我们做我知道是有界的和一些的这些伙计们这里
那我们只能去从1 -5%上这聚乙烯乙二醇。
什么我想至现在做是只是去至快速地向前。
现在让我们说我有跑这个设计和我是准备好至做这分析。
这个是在哪里SVEM是真的制成巨大的进展
和如果你听至一些的克里斯和菲尔拉姆齐的工作
出去那里上JMP社区，你会看这个是一个步改变。
这个是一个游戏改变在条款的您的分析的能力。
如何将我们做这个在16？
在JMP 16什么星期三有至做是星期三有至来通过，
实际上它是值得去通过步只是因为它给你
一个小的少量的洞察力，尽管这基本的使命
的这个简报或者这个讲话是不是SVEM，
它将要给我们一个主意的什么是去上。
什么我们能够做这里是我们能够去先和出色地制作这汽车验证桌子。
这个是这JMP 16方法。
什么你会笔记这里是我们已经走了从12运行至24.
我们只是翻倍他们和你看这验证放。
这训练可能是前12，验证这下一个12.
那是什么是添加和然后我们有这个重量。
这个是这引导程序重量和它是部分地加权。
什么发生是我们将要去先和跑这个模型
和来向上和一个预料到的价值，
但然后我们需要至改变这些权重和然后保持正在做这个超过和超过
为了我们的引导程序，很像一个随机的森林，主意为了这SVEM。
现在什么是有用是至种类的拿一个快的看。
什么是这几何学的这些重量？
我们能够看他们是反对-相关，
意思是如果在这训练放我是低的，
我是大概去至是高的在这验证放。
这个是种类的一个快的小的视觉的的那关系。
现在我是准备好至去做我的分析在JMP 16.
它将是分析了和星期三只是做我们的合身模型。
的课程，我们想一个广义的回归
和出色地去通过和做一个舍夫立方体这里，
因为它是一个混合物。
但这里是在哪里我们有至添加在这步，
我们放这验证集作为您的验证柱子
和然后这个验证重量是去至是那频率。
现在我能够跑这个。
经过这方法我们可以，
在许多的我们的实例是不是普通的，是日志普通的，
我们可以放那在正确的那里。
这里我们有我们的广义的回归能力
至去先和跑这个模型和瞧，那里是这估计。
什么我们将做那么我们来这里吗在下面这节省这预言公式。
然后这里是一跑。
好的，所以我们得到一跑。
你能够看那这最佳是15.17,和我们实际上锯15.23,
所以不是坏的在这个模型，
但我们将做这个超过和超过。
我们用过的至做它关于50次或者所以。
但和JMP 17,现在这个所有的过程是自动化至我们。
我们别有至做这个50次和然后拿这平均
的这些预言公式。
是有能力的至去直接地在它。
如果我来背部至我的原来的设计这里和这回复，
我能够得到正确的在它。
经过这方法，这个是表明我有其他约束放在这里。
一个很多的次我们有这化学家和生化学家喜欢至看那
至制作当然那这比率基于分子权重是内原因。
不是只要做我们有这混合物约束，
我们还有一个很多的其他约束。
我是在职的和一个组在哪里我们有也许15不同的配料
和大概30约束在添加至这混合物约束，
所以这些方法工作并扩大规模，
大概是这最好的方法至说它，漂亮的出色地。
现在这个是17,所以17我能够得到正确的在它。
我是去至去先进入合身模型，和患病的去先和做一个舍夫立方。
从这里，什么是有能力的至做来了进入一个广义的回归。
在这个案子，我们别需要至担心关于这些伙计们在这里。
我们能够改变它至日志正常如果我们所以欲望。
一的我的选择在这估计
反而的向前是在事实SVEM向前，
所以我做SVEM向前和我是去至去做200。
你会看看多快他们有这个调谐。
真的只要事物你能够做在先进的控制
是查看无论或者不是你想至力量一个学期在。
我打去和瞬间我有完毕200引导程序样品为了这个问题。
的课程，我现在能够看在这剖析器
和那是这平均的这200运行。
那是种类的我的结尾模型，如果你将要。
的课程，和预言探查器，
那里是数百的事物你能够从这里做
和安德鲁会碰上一个夫妻更多的的那些。
但二其他事物值得注意到这里，
患病的节省这预言公式作为出色地和拿一个看在那家伙。
什么时候我看在这预言公式，
患病的笔记那它是在事实已经平均出去为了我这里。
这个是平均200 个不同的样品那是出去那里。
和那，那是这演示，
和出色地去背部至看着在这图表那里至说，
“嗯，什么是它那是看到在条款的这结果的SVEM？”
安德鲁，如果你想至拉向上那滑动。
这个是也许一个快的视觉的。
你能够看那如果我看在那些第一的三，
在这个案子，红色的是坏的。
什么是看着在这里是这名义上的覆盖范围。
这个是一个混合物模型
在这预测最优点的表现。
我们能够看那这标准步明智的伙计们是不是正在做也出色地。
那是这落后和向前AIC。
这个是这覆盖范围率。
星期三喜欢它至是一个名义上的5%错误那我们别实际上看
这真的回复在这预言或者实际上这信心间隔。
在其他字，什么时候我们看起来在这轮廓
那我们只是看到，它给了我们一个预言或者信心间隔
曾是这真的价值，
哪个我们知道因为是玩这模拟游戏，正确的？
我们知道什么这真的价值是，什么百分比的时间曾是那在那里？
我们能够看那我们别做作为出色地和我们的古典方法。
这满的模型，推杆全部这条款中，
套索做漂亮的出色地在一个10%速度或者所以，
但它是不是直到我们得到SVEM 方法这里那我们开始看见
那是真的捕获和得到好的覆盖范围。
一个好的也许图片至保持在您的头脑，
那我们是方法表现优异一些的这其他方法出去那里
什么时候它来了至这能力。
现在，在条款的如何这个模拟，
什么是聚焦上这里是一个小的少量不同的比什么你可能考虑到，
在条款的一个模拟在哪里我们正在寻找在一个模型和说，
“如何出色地做过我们做和这个特定方法？”
我们可以措施那经过如何这实际的相对这预料到的是
和然后星期三得到某一些一个意思是平方错误。
我们做追踪那价值，
但我们寻找在我们的工作，是很多更多的担心的关于发现
那最佳混合物，如果你将要，和这最佳设置那达到我们
一个最大效力或者减少一些副作用
或者帮助我们和这个[听不清 00:18:58]
那是去至是叫做“百分的最大限度”那是看着为了。
是去至利用那作为我们的基本的回复这里
在条款的存在有能力的至评估哪个方法跑赢大盘其他。
它是不是真的去至是，
如何远的离开是我从这地点的这最佳价值？
它是如何远的就是它回应我预料到的作为最优
如何远的是那从这实际的最佳？
那是去至是我们的措施的成功。
这方法这个将要工作是患病的是问安德鲁一个很少想法这里
在条款的什么通常来了向上在实践。
我锯这几何学他表现出我早期的上
和这最佳设计曾是总是打这边界。
什么如果我喜欢事物那我们称呼更多的混合，正确的？
你有更多的混合东西在这中间，
空间填充，哪个是更好的。
如果我做利用一个最佳设计，
它默认值至D也许，但什么关于我和一个？
然后如何关于这年龄-老的美国能源部添加中心点？
是那聪明的？ 或者是一中心点？
或者如何关于复制？
我们已经已经讨论过如何是不是存在有帮助，
所以什么是一个有帮助措施的一个好的设计？
那是这设计片，但还这分析一块是，
是那里一个特定方法那表现优于每个人，
或者是那里肯定领域那我们应该重点上
使用套索和其他，
那我们应该只是利用SVEM为了选择？
这些是实际的问题那来向上从全部的我们的顾客，
和星期三喜欢至分享和你
一些的这结果那我们得到从这模拟。
安德鲁，你想至给我们
一个小的少量更多的洞察力进入我们的模拟过程？
是的，谢谢，吉姆。
前我做那，
我只是想至观点出去一工具
那我们已经制成重的利用的在这分析的我们的结果，
和很遗憾，我们别有时间至钻研进入这演示，
但它有到过所以有用的是，内这剖析器
至看在这输出随机的桌子为了这些混合物设计
和至看在这回应尤其，
我们频繁地有效力由边效果。
我们有多回应，
我们想要平衡那出去和这可取性功能，
和然后是去至看在这个人回应他们自己。
什么时候我们输出一个随机的桌子，我们得到一个空间填充设计，
基本上不是一个设计，但我们充满向上这全部的因素空间，
和是有能力的至看在这边缘影响
的每个的这因素超过这全部的因素空间。
为了例子，为了这电离的脂质类型，
什么出色地频繁地看是，我们能够看那也许一有
一个降低边缘行为超过这全部的空间。
但自从是想要至优化，
我们关心关于什么这最大限度的每个的这些是，
和一的这些将要清楚地是更好的或者更差。
是看着在这减少模型。
后他适合他们，出色地去至这剖析器和做这个。
我们能够仍然得到这分析的最佳从剖析器，
但在添加至那，
这个给我们更多的信息外部的只是那最佳。
什么我们可能做这里是为了候选人运行，
因为我们总是跑步我们的确认运行
后这些公式和优化问题
是我们可能跑这全球的最佳这里为了H 102,
我们可能挑选出去这有条件的最佳为了H 101
和看哪个一做更好的在实践。
还，看着在这三元地块，
如果我们颜色那些经过可取性或者经过这回复，
我们能够看这更多的或者较少的可取的地区
的那混合物空间，
所以那能够帮助我们作为我们任何一个增加这设计
或者任何一个包括额外的领域在这因素空间，
或者至排除领域。
我不能做很多更多的和那正确的现在，
但我通缉至观点那出去
因为那是一个非常重要的部分的我们的分析过程。
如何做我们评估一些的这些选项
内这个类型的几何学的一个因素空间？
我们建成一个模拟脚本那我们有共享上这JMP网站，
和它允许我们至插头和玩为了不同的样本尺寸在全部的，
如何许多运行是在这设计？
我们有一个真的形式选择
那给我们这真的生成功能在后面这过程，
一个设计类型，任何一个空间填充或者最佳。
这最佳设计现在是去至是的一个肯定最低限度尺寸
基于上这数字的效果那是瞄准。
做我们有一个第二-命令模型，一个第三-命令模型，
一个舍夫立方模型？
什么做我们有？
一般，每当你建造一个模型和风俗设计在JMP,
它写一个模型脚本出去至您的桌子和然后你利用那至分析它。
出色地，某物我们已经探索是允许一个更富有模型
比什么我们得到，什么我们目标，
和是我们有能力的至利用这些方法和SVEM
和得到额外的改善结果，
甚至尽管我们没有起初目标那些效果在这设计？
这短的回答那里是是的。
那是某物别的我们想至考虑，
所以我们允许我们自己和这有效的选择
至包括额外的效果。
我们能够看在这影响的添加复制或者中心点
和那风俗DWI对话至执行那些。
如何做那影响我们的回复？
因为任何的这摘要那你得到出去的这设计
和出去该设计诊断是开始定位这满的模型，
任何一个和尊重至预言变体，
D-最优，你在看标准错误为了这参数。
但什么我们真的关心关于是如何好的是这最佳
那是得到出去的这个，
所以那是什么是去至拿一个看在和这些模拟。
为了这最多部分在这些LMP优化场景，
一个很多的次，出色地来穿过二情况。
这科学家们将要说， “我有得到关于12运行可用的，
和也许它是不是那重要的的一个过程，
或者这材料是非常昂贵的，
和我只是需要至做这最好的我能够和12运行。那是什么我有得到。”
或者它可能是某物在哪里他们已经得到一个预算为了40运行，
和他们能够合身一个满的第二-命令模型
加第三命令混合物效果，
和我们想至尝试至表征这个全部的因素空间
和看什么这回复表面看起来喜欢超过这所有的事物。
那些是这二场景是去至是定位在我们的模拟。
吉姆，我思考你有一些问题
关于表现在下面不同的情景。
什么曾是您的第一的问题那里？
我做过。
我猜测什么时候我思考关于一个12-跑设想这里，
和如果我只是去和这默认， ID得到一个D -最佳
和它将是主要的效果只要。
我认出我可以做这空间填充喜欢我只是做过，
但我的问题是，如果我做这默认，
哪个一的这分析方法将是首选？
或者是那里一？
好的，所以服用一个看在那。
为了这D-最佳设计，作为一个一般的规则，
它是去至放几乎全部的它的运行沿着这边界的这因素空间
和它是不是去至有任何内部的运行
除非你有二次方条款或者某物那需要那。
和一个12 -跑设计，
有90度数的自由必需的至合身全部这主要的效果这里。
我们已经得到一个很少度数的自由为了错误，
但大多是只要定位这主要的效果这里。
如何做这分析方法做？
是那里任何区别在这分析方法？
什么我们做，和全部的这些是去至总结，
我们节目这百分的最大限度为了全部的我们的模拟那我们做，
和所以我们能够看那分配为了每个的这分析方法，
全部为了这个12-跑， D-最优设计目标效果。
然后我们还节目任何重要的差异之间这些，
和是只是使用学生T。
是不是做一个二钥匙调整，所以保持那在头脑
每当你是看着在这些重要的价值观。
这优胜者这里是我们的自制SVEM神经方法
因为它是不是受限制的至只要看着在这主要的效果，
他们能够允许一些额外的复杂在这模型，
和所以它获胜这里。
现在，别得到也兴奋的关于那因为这个是关于这最好的
那我们已经见过SVEM 神经元做在这些小的设置。
但如果我们是跑步更多的比一候选人最佳去向前，
然后也许我们能够包括一个SVEM神经，但在一般的，
我们不会推荐只要粘着与SVEM神经
只是因为它趋向至是更多的多变的，有较重低的尾巴。
什么是这其他结果？
我们看这失败者在这个应用
或者任何事物那是正在做这单身的射击模型减少
因为全部这些效果是重要的在这模型，
和任何时间我们拉一的他们出去，我们是去至得到
一个次优表示的我们的过程。
那是为什么在这个案子这满的模型做更好的比那些。
但什么是有趣的是这SVEM线性的方法
是有能力的至在至少匹配那满的模型表现。
是不是输任何事物经过使用SVEM在这个应用，
所以那是一个好的方面在哪里我们别有至担心
关于这更小环境。
是我们伤害我们自己在全部经过使用国际商会？
现在，某物别的我们试过了这里是给定这相同的，
你有只要得到12运行。
你是只要定位这生产
和这D-最优标准在这风俗美国能源部。
什么如果我们允许这合身模型至考虑第二-命令效果
加有混合物效果，
所以我们的模型然后曾是有针对性至做？
什么发生，和我们看这个JMP这里，
这个SVEM线性的方法是有能力的至利用那信息
和给我们更好的百分的最大限度，得到最佳候选人，
和那些是我们的获胜者这里现在是这些SVEM线性的方法。
什么我们看是那有趣的是，
这根据方法为了这些SVEM接近，福特方法，
或者福特选择或者这套索是不是有能力的至制作利用的那，
只要这SVEM是，所以那是一个好的财产。
他们实际上打出去神经，
哪个是好的因为现在这些是本国的至JMP 17
和他们别要求作为很多计算时间
或者手动的放向上作为在他们的自己的。
什么我们开始至看这里是这主题那是去至看
始终这休息的这天是那任何的这些套索方法
和不截距是去至给我们子-最佳结果
因为没有这截距
和这惩罚没有工作正确的在套索，
那么你实际上想至转动离开这默认选项的不截距
如果你是去至尝试至利用SVEM套索
或者甚至只是套索没有一个截距。
好的，所以我猜测它看起来喜欢SVEM神经做过出色地那里。
但再次，那是不是本国的。
我们不能做那和JMP 17亲，那是不是在那里.
我们能够，我们有至有一个手动的[听不清 00:29:01]脚本。
是的，是不是一个手动的选项。
好的，这个是好的，
但我是还一个扇子的这空间填充设计，
所以如何做那玩出去在条款的这分析方法？
为了这空间填充设计，你能够看相当比有
全部这积分沿着这外部的，沿着这边界，
现在我们充满向上这内部的空间
为了两个都这混合物因素和这过程因素，
哪个有时在实践什么出色地做是，
出色地拿这过程因素
和圆形的这些至这最近的0.25或者0.5
或者任何粒度作品最好的为了我们，但这个是什么它看起来喜欢。
在条款的这结果，如何做他们履行？
现在什么是去至做是相比
这级联的这设计方法
沿着和这分析方法和看哪个这些做最好的。
看着在现在仍然允许这更富有第二和第三-命令模型
为了这选择方法和看哪个一做最好的。
什么时候我们看在这比较，
这获胜者是这SVEM 线性接近，
套索只要和这截距，不是没有这截距，
和这D-最佳。
再次，在后面这场景，你有至记住，
现在你是假设为了这个D-最优方法
那您的积极的模型是真的超过这全部的因素空间
和你有得到持续的各种各样的超过那因素空间。
如果你是担心关于失败沿着这边界，
然后那是某物别的至拿进入帐户，和它是不是建成进入这个。
你有至考虑那。
但如果你是自信的，
也许你有跑这个前和你是只要制造次要的变化，
然后这方法至去是这D-最佳和这SVEM方法。
下这里，这失败者是这套索，和不截距。
我们'要去避免那些，
和你能够看那些重的尾巴下这里。
不是这SVEM套索，只是这套索。
实际上这里是这SVEM套索和不截距下来这里。
是的。
他们全部得到这些FS,所以他们全部失败。
-方便， [串音 00:30:48] . -是的
好的。
什么经常将要来向上，
无论它是设计的向上正面在哪里我们已经完毕我们的12运行，
和这老板，
她有一些更多的问题和我们有更多的运行。
如果是去至做五更多的运行，
如何做那影响一些的这些结果？
什么时候你说五运行，不是一个跟随-向上学习，
但您的建造是学习任何一个12或者17运行
在一个单身的射击正确的现在是什么你是考虑到，正确的？
是的，确切地。
好的，所以是的，我们能够看在这边缘影响
因为有一个成本至你为了那些额外的五运行。
什么是这益处的那些五额外的运行？
使用这设计分析你可以利用，
看在FDS阴谋和您的FDS加方法降低，
反映更小预言变体。
力量是不是那有用为了这些混合物效果设计。
我们别关心关于这参数。
我们想至知道，如何出色地将我们做和优化？
那是在哪里这模拟的便利，我们能够拿一个看在那。
如何做您的分配的您的百分的最大限度改变
作为你去从12至17运行？
有趣的是，有不益处为了这单身的射击40国际商会
至有17相对12运行。
现在，再次，正确的现在是看着在这百分比的最大限度。
如果你看在您的误差方差，
你的预测方差是去至是更小，
和那里可能是一些其他[听不清 00:32:09] ,
但主要是您的预言方差
是去至是更小如果你看在那。
但真的，我们别关心那很多关于预言方差。
我们想至知道，在哪里是那最佳观点？
因为后这个，是去至是跑步确认运行
和也许在复制品在那观点
至得到一个主意的这过程和化验方差然后。
但正确的现在，
我们是只是试至侦察出去这回复表面
至寻找我们的最佳公式，
所以和那目标在头脑，有不益处为了为期四天国际商会。
现在为了这SVEM方法，
我们做看那里是一个重要的区别
和我们做得到一个重要的改进
在条款的我们的平均百分的最大限度我们获得，
和也许不是作为重的尾巴下这里。
但现在你需要至知道是那你需要至决定，
是那几乎重要的？
你想至移动从90%至92%意思是百分的最大限度
在这个第一的射击和五额外的运行？
你有至做您的边缘成本
原来的益处分析那里作为一个科学家
和决定如果那是值得它。
只是看着在它这里，什么我思考可能是有用
因为你有至跑确认运行反正
是如果我们跑这12 -跑设计，
你能够然后跑一个候选人最优或者二
基于上这结果我们得到，
和然后加一个夫妻的额外的运行也许
在一个高的-密度地区为了什么那看起来好的，
或者甚至增加出去您的因素空间一个小的少量，
和然后你是仍然跑步一个全部的的17运行，
但现在是去至有甚至一个更好的感觉的这好的地区这里，
所以那是某物至考虑。
某物别的我们能够看
从跑步这模拟和17运行是，
让我们看在这表现
的每个的这配件方法内每个迭代，
和有实际上一个出奇低的相关性
之间这表现
的这些不同的方法内每个迭代。
我们能够利用那至我们的益处
因为是去至是跑步确认运行后这个，
所以相当比只是有至拿一方法和一确认观点，
一候选人最佳观点，
如果我们是至，为了例子，看在这些四方法
和然后拿这候选人最佳从每个的他们，
然后是去至是有能力的至去向前和哪个一每个人做最好的。
是看着在这最大的这些。
相当比看着在一个意思是的92%至94%,
现在是看着在一个意思是的关于97%和一个更小尾巴
如果我们考虑多的这些方法在一次。
好的，非常有用。
让我们现在放我们的眼睛朝向这40 -跑设计。
非常好的信息在条款的我的更小跑设计。
现在和40,如何做它玩出去在条款的这些分析方法？
是我们去至看持续的行为和什么我们锯在这12 -跑设计？
然后如何关于这空间填充相对这最佳设计， D 最优？
-ID是感兴趣的在那。 -好的。
出色地，第一的拿一个看在这D-最优设计， 40运行，
和现在是定位全部的这第二-命令效果，
这第三-命令效果，混合物效果，
和是定位全部这效果
那是真的当下在我们的生成功能，
和我们仍然看那是加载向上上这边界的这因素空间
和这最佳设计，
和然后如果我们是去至看现在和这空间填充设计，
是去至看现在是填充向上这内部的
的这因素空间为了这混合物
和为了这其他连续的过程因素。
让我们看什么这表现区别是。
第一的的全部，重点上这空间填充设计，
哪个分析方法做最好的？
和相同的作为我们锯在这12 -跑例子的这SVEM线性，
福特选择和那截距，套索这截距做这最好的。
这最坏的案子你能够做是保持这满的模型，
或者然后试SVEM或者单身的射击套索和不截距
和这D-最优环境，相同的获奖者，哪个是令人放心
因为现在我们别有至是担心关于，
“出色地，我们正在改变我们的设计类型。 现在我们得到至改变我们的分析类型。”
它是好的至看这个一致性穿过这获胜者的这分析类型。
这满的模型没有做作为不良这里和这最佳设计，我思考，
因为这最佳设计是定位那模型
和这失败者这里是仍然这套索和不截距。
然后神经是真的坠落在后面这里，在后面这其他方法。
现在让我们相比这空间填充至这D-最优设计，
和我们能够真的看
这最大区别这里是内这满的模型，
这空间填充设计是很多更差比这D-最优设计。
任何时候你是正在做设计诊断，
那是全部内这语境的这满的模型。
为了您的D -最优性标准，
您的平均预言方差，那是全部那里。
一个很多的次什么时候你跑那些比较，
你是去至看一个斯塔克区别之间那些
和那是什么你是看见这里。
然而，在真实的生活，
是去至是跑步一个模型减少技术。
和SVEM，甚至这单身的射击方法提升它。
但尤其和SVEM这里，
它真的关闭这区别之间这空间填充和这最佳设计，
和我们看漂亮的关至中等的，和轻微地较重尾巴这里。
但现在你能够看在这个和说。
“好的。我失去一个小的少量和空间F生病设计。
但如果我有任何担忧根本关于这边界的这因素空间，
或者如果我是有些有限的在如何许多确认积分我能够跑
和我想至有某物那是去至是不是也远的离开
从这候选人最佳那我是去至携带向前，
然后那些是这好处的这空间填充设计。”
现在我们能够称重那些出去。 是不是卡住
和这个剧烈的区别之间这二。
再次，那是基于只要相对这D-最优设计.
我猜测一个很多的次在我们的美国能源部工作，
我们喜欢至也许看在这I-最优性标准
和甚至这一个有完毕真的出色地为了我们。
在特别是它点差它。 这是c当然不是空间填充，
但在至少它点差它出去一个少量更多的比这D -最佳。
做我们有任何想法如何那些我和一个最佳工作？
是的，我们能够交换那些出去进入模拟。
一事物我们已经总是注意到，
我爱这一个-最佳设计在这非混合物环境。
它是几乎我的默认现在。
我真的喜欢他们。
但在这混合物环境，每当我们尝试他们，
甚至前这模拟，如果我们看在这设计诊断，
这一个-最佳绝不做作为出色地作为这D或者这我-最佳，
和那熊出去这里在这模拟，
那是这蓝色的这里为了这最佳，给我们下结果。
规则的拇指这里是，
别打扰和这A-最优设计为了混合物设计。
现在为了D相对我-最佳，我们别看任何...
在这个应用为了这个生成功能，
我们别看任何区别之间他们。
然而，一个原因至轻微地更喜欢这D-最优是，
那里趋向至是一些收敛问题为了这些LNP设置
在哪里你有得到至钉住超过这一5%
和你是试至目标一个舍夫立方模型在JMP,
所以我们有注意到有时一些收敛问题
为了这I-最优设计和它需要更长。
这D -最佳，如果有不是很多的一个益处，
然后它似乎至是这更安全赌注至戳和这D-最优。
现在我们不是有能力的至测试那和这模拟
因为正确的现在在JMP,
你不能脚本在舍夫立方条款进入这美国能源部
至建造一个最佳设计。
你有至做那通过这图形用户界面。
我们不是有能力的至测试那，看如何经常那发生，
但那是为什么我们已经携带的向前
D-最优在这些模拟和我们戳和那些。
如果你想至在您的应用，你能够尝试两个都D和我
和看什么他们看喜欢
两个都以图形方式和和这诊断，
但这D-最优似乎至是表演出色地。
好的，我猜测只是保持拉这线一个小的少量更远是，
一个很多的次出色地尝试一些类型的一个杂交种设计.
为什么别我们开始出去和，说， 25空间填充运行，
和然后增加那和一些D-最优标准
至制作当然那我们能够目标这具体的参数出于兴趣？
做那工作出去漂亮的出色地？
是的，我们能够模拟那和我们拿一个看。
任何一个我们已经得到...
这个是这相同的模拟的功能，
生成功能我们已经到过看着在为了你跑步这D-最优的，
让你运行空间填充，
或者一个杂交种，在哪里我们开始出去和25空间填充运行
和然后我们去至增加和加载在建造15额外的运行定位
这第三命令模型，和什么我们看是那现在，
我们有不重要的区别在条款的这优化
之间这40 次运行 D 最优和这杂交种设计，
但在这杂交种设计，
我们得到这益处的那些25空间填充运行。
我们得到一些内部的运行保护至合身额外的效果
和保护反对失败沿着这边界。
它是一个小的少量更多的工作至放这个向上。
出色地做这个为了高的优先项目
因为只要为了那些因为额外的成本和时间。
但它做出现至是一个有希望方法。
正确的。
几乎你思考关于在哪里您的最佳是去至是，
有一个好的机会它可以是在那内部的空间
那是不是填充在这D-最优沿着这边界。
我猜测只是也许去背部，
重访这想法的什么如果我有一个中央观点，
什么如果我有一个观点那我可以复制？
再次，也许上这40-跑设计，
如果我有五更多的事物，所以只是任何其他小的掘金
那我们学到了沿着这方法和这些？
出色地，这个来了向上一个很多因为现在教科书将要告诉你
至添加五至七复制运行。
这科学家们是去至踢你出去如果你尝试至做那。
一个很多的次我们有至制作这争论
至添加甚至一个单身的复制跑
因为它有优点外部的这配件
因为现在你得到一个模型[听不清 00:41:09]
和只是以图形方式我们能够利用那作为一个诊断，
我们能够看在那空气方差相对的至这全部的方差
从这全部的实验。
它是非常有用至有，
和所以它是去至是好的至有一个争论为了你至说那，
“好的，是不是伤害您的优化常规
经过包含甚至一个单身的复制跑。”
那是什么我们看这里为了这40 次运行例子
经过强迫一的这些至做一个复制内风俗设计。
我们是不是得到一个重要的区别在全部
在条款的优化。
它是两者都不帮助或者伤害。
让我们去先和做那，
所以那什么时候我们有那额外的片的信息去向前。
我别有这图表这里因为它是无聊的。
它是这相同的事物在这个特定应用，
强迫一的他们至是一个中心点。
有不区别。
部分的那可能是在这个案子，这D-最优设计曾是给予我们
一个中心点或者某物关至一个中心点。
那可能不是有到过改变这设计那很多。
你可能看一个大区别
如果你去背部至这12 次运行设计执行这中心点。
但那是这优势的有一个模拟框架建成向上
在哪里你能够拿一个看在那
和看什么是这实际的影响去至是为了包含那。
好的，现在如何关于...
我提及我有这个大的项目和很多的约束。
将一个约束也许改变一些的这结果？
出色地，我们可以可能包括这约束
和它是去至改变这允许地区内这...
从图形上看，你要去至看一个改变在您的允许地区，
和我们能够模拟那。
实际上，我有完毕那。
我别有这图形向上和我正确的现在，
但什么它做是有不是那很多一个影响， SVEM仍然做得很好。
一区别我们做过笔记是那跑步这个模拟
和然后约束这地区有些是那这空间填充改善
因为它是得到一个更小空间至充满和不是作为很多噪音空间，
但这D-最优将要履行
只是作为出色地之间这二和或者没有约束。
那曾是漂亮的有趣的至看。
但全部的这个适用只是作为出色地和约束
和没有什么的笔记在条款的区别为了分析方法和这约束，
在至少相对地简单的那些那我们应用。
正确的，好的，是几乎跑步短的上时间这里，安德鲁，
但我做有一个关心。
我们有一个指定错误设计
和我们将喜欢至裹向上
和离开这伙计们和一个很少钥匙外卖。
这里是一个例子在哪里现在这个功能性的形式
做不是匹配任何的这效果是考虑到
和是相对地平坦的上这个周长
在哪里一个很多的那些最优设计将是
所以我要看看如何那作品出去。
还笔记这[听不清 00:43:52]胆固醇放至一个系数零
和一个真实的生成功能。
现在服用那真的功能去至简介呃输出就在桌子
和你能够看如何好的它是至是有能力的至阴谋这些事物
至看这回复表面使用那输出正确的在这桌子。
这里是真的您的真的回复表面，和这个是您的回复表面，
但什么是有趣的是它看起来喜欢有一个错觉这里。
它看起来喜欢胆固醇是有影响力的为了您的回复。
它看起来喜欢它影响您的回复，但在现实这系数是零。
但这原因它看起来喜欢那是因为的这混合物约束。
那是为什么它是难的至解析出去，
哪个这个人混合物效果真的影响您的回复。
是不是作为担心的关于那
像我们一样的说，什么是一个好的公式去向前？
在这个环境，我们添加一个小的少量的噪音，4%简历，
哪个是用过的频繁地在这制药世界。
在这个案子，这意思是是使用是这意思是在这最大，
哪个在这个案子是一，
和然后还一个很多更多的极端40%简历。
这个看起来更多的喜欢一个声纳
和他们是试至寻找泰坦尼克号或者某物。
希望没有任何的您的制药应用看喜欢这个，
但我们只是想至看在这个极端案子如何事物工作出去。
什么我们看是在这小的12 次运行例子
和相对地小的过程变化是过程加散文变化
是这些基线设计去出去和SVEM，全部相同方法，
和然后如果我们去向上至40 次运行，
这空间填充不是有能力的至保持向上作为出色地，
但 D 最优将要真的做现在好点了，
甚至尽管它是相对地平坦的出去那里和这尺寸在哪里最多的这运行是，
它是有能力的至挑选向上这签名的这表面这里。
现在，这里是这区别之间这满的模型
和然后这空间填充和D-最佳。
不是作为大的的一个区别为了这SVEM方法，
但你做仍然有一个很少尾巴积分下这里。
然后他们是全部不是表演作为出色地作为这SVEM线性，
甚至尽管这SVEM线性的
是只要近似那曲率为了那回复表面。
如果我们去向上至这极好的嘈杂看法，不一做一个真的好的工作，
但仍然您的只要机会是与这空间填充方法。
但然后什么时候我们去向上至这较大样本尺寸，
甚至在这脸的全部这过程变化，过程噪音，
是现在这选项曾是有能力的至弹跳出去超过那噪音更好的
和是有能力的至制作更好的利用的那些运行比这空间填充。
一个夫妻的考虑因素那里。
什么是您的跑尺寸？ 如何饱和的是你的模型？
如何很多过程变化做你有相对的至您的过程均值，
去进入这平衡的这空间填充相对最佳。
如果我们拿一个看在什么是这坦率最佳积分
是得到出去的这空间填充相对最佳。
我是对不起，为了这空间填充，
然后什么我们看是是上目标为了这个是可电离的和帮手。
是上目标为了全部的我们的方法除了为了这些最后的和不截距。
他们是绝不上目标，
他们是总是推动你离开某处别的。
你能够看以图形方式如何那缺少的截距。
现在，如果我们允许这截距，那么我们是上目标。
那真的是重要的至取消选中那不截距选项为了套索。
为了全部这人们那是不是使用JMP临
和别有SVEM，
你可能说，出色地，好的，什么是您的模拟？
这里，什么是更好的？ AICc,相对BIC,相对P 值。
很遗憾，只是使用这数字的模拟我们已经跑，
有不是作为持续的方法作为那里是和SVEM。
如果你有得到一个大的数字的运行，哪里有要么指定
或者正确地指定的或者指定错误，这向前或者落后AICc做出色地。
满的模型做更差，然而在这更小环境，
这满的模型做更好的因为全部那些条款是相关的。
还这P 值这里，也。
现在，你看， 0.01做这最坏的， 0.01做这最好的在大的环境。
不是一致性，你用什么P值？
0.01, 0.05, 0.1 .
这P值从这个看法是一个未调整的优化范围，
所以也许最好的至避免那和戳和这AICc
如果你是在根据JMP。
然而，我们有见过现在那
SVEM方法为了这些优化问题
做给你几乎普遍地更好的解决方案
比这单身的射击方法。
你能够得到更好的解决方案和JMP罗,和SVEM。
伟大的。
我猜测我们想至只是裹向上。
一些的这钥匙发现这里，安德鲁。
是的，和还，吉姆，任何其他注释？
做你有任何其他注释也关于这些优化问题或者任何事物？
有趣的事物我们已经见过最近？
我们有，是向上反对时间为了当然，但我们已经完毕一些漂亮的惊人事物
那我们已经来向上和新的工程木材
那是更好的比它是曾经到过
和推进剂那是有身体的特性
和表现那我们没有见过前。
我们有采取一个步，
一个飞跃在条款的一些的这能力
那我们已经见过在我们的混合物模型。
能我们总结和这突出显示子弹下那里，
那SVEM似乎至是我们的方法至去，
和如果你只要有一也许SVEM向前选择，
你会是覆盖漂亮的出色地。
是的，那是正确的，因为我是总是害怕的。
甚至尽管这最后的有时套索它看起来较少的和截距，
有时它看起来轻微地更好的。
我别知道如果它是也许一或者二案例是显著地更好的，
但总是脖子和脖子和向前选择，
但我是总是害怕的那我是去至忘记至转动离开不截距
和然后给我某物那是更差比正在做
或者作为坏的作为正在做这满的模型。
我是总是害怕的的正在做那。
SVEM向前选择和德过错环境似乎喜欢一个好的安全的方法至去。
完美的。
出色地，和那，我们站立准备好至拿您的问题。
