你好，每个人，和欢迎到联合管理计划发现。
安德鲁卡尔和希思冲。
我有A推介会今天那是去到强调
一些的这特征在联合管理计划17 号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，
和到是诚实的，那是什么我们已经到过正在做A很多最近。
是A很多喜欢救护车追赶者,在哪里出色地只是去后
这最新的事物那个客户是感兴趣的在。
但那是什么是看到A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。
我们只是决定我们会做一些更深调查
和一些的这新的已经过时的技术，
和那联合管理计划17 号施行为了我们。
安德鲁，会你喜欢到得到开始了和或许给A小的少量的背景
在这所有的主意的什么A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A好的，简单的图形。
让我们拿A看超过这里在这阴谋在这左边。
是在一个实验性的环境，
所以现在我认为我们已经得到二因素，
成分A和成分乙，和他们范围从0-1。
如果有不混合物约束条件，然后一切在这黑色的正方形
是A可行的观点在这因素空间，
所以我们的设计常规是去到给我们点某处在这空间。
然而，如果有A混合物约束
在哪里这些有到添加向上到一，然后仅有的这红色的线是可行的。
我们想到得到A有条件的最佳
给定那约束，和我们想到结尾向上
某处在那线为了两个都我们的设计和我们的分析。
如果我们移动向上到三混合物原料，
A，乙和C，全部有能力的到各不相同从0-1,
然后我们得到A立方体为了那0-1约束为了每个的他们。
但和这混合物约束条件，那需要这形式的A飞机
相交A立方体，和那给出我们这三角形，
所以仅有的这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A三-维度的子集，
A金字塔之内那里。
看着后退到这三-混合物环境。
看这三角形？ 那是这允许地区。
出色地，那是为什么联合管理计划给出我们这些三元地块。
对于这些三元图，
什么联合管理计划将要做是，如果你有更多的比三混合物因素，
是你会有二因素显示在A时间，
和这第三轴将要是这和的全部这其他混合物因素。
我们能看在这些三元图，相当比拥有到有A金字塔
那是看着自始至终。
我们有到决定，我们要不要想A空间填充设计
或者一个最佳的设计？
现在，通常情况下在A非混合物环境，星期三通常情况下使用一个最佳的设计，
和为了这最多部分，我们不会考虑A空间填充设计。
有A很少原因那我们想到考虑
A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A小的少量更多的灵敏度到去也远的在你的因素空间，
制作它也宽的，然后你的全部的过程失败。
S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。
你是去到失去A好的块你的跑步次数因为这最佳的设计
倾向于放最多的你的运行在这边界的这因素空间，
所以你是去到失去这些。
你是不是去到是能够运行你的满的模型
和这其余的点,和你是不是去到有
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，你是失去A较小数字的点。
你的其余的点仍然给你A空间填充设计
在这现存的空间那你能使用到合身这模型效果，
现在是去到是有能力的到模型那失败边界。
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。
如果我们不指定那些，因为任何的这些楷模是最佳的，
有条件的在这目标模型我们给，所以如果我们不指定一个影响操作员
为了这最佳的模型，我们可能不是是有能力的到合身它
后这事实，因为他们可能是别名的
和其他效果那我们有。
这些空间填充运行行为作为某事A抓住-全部的可能的运行，
所以有A夫妻的原因
那我们可能想到考虑空间填充运行，
但我们想到拿A看分析地。
什么是这不同之处在表现之间这些，
后我们跑步通过模型减少，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杰普,
联合管理计划自动地轮流离开这截距为了你，
因为如果你想以适合满的模型
和全部的你的混合的保持效果，你不能包括这截距。
你会得到这警告
因为这混合物-制成效果是受约束的到一，
和他们添加向上到什么这截距是，所以他们是别名。
还，如果我们想到看在更高命令效果，
我们不能是喜欢A回复表面在哪里我们有纯的二次的条款。
我们有到看在这些舍夫立方体条款
因为如果我们尝试到看在这互动
加这纯的二次的条款，然后我们得到其他奇点。
那些是A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方法是去到是看着在，
我们想到考虑有时转动离开这默认'不截距'选项。
什么我们寻找是为了这套索法我们实际上有到去做
在命令到得到合理的结果。
后我们合身我们的模型，现在我们想到做模型减少
到踢出去不相关的因素。
我们已经得到A夫妻的不同的方法的正在做那在根据联合管理计划。
大概什么人们做最多频繁地是他们使用这影响概括
到去向后在这p-价值观，和踢出去这小的p-价值观。
但这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
能彻底地改变这p 值的这其余的效果在这设计。
什么这阴谋节目是如果我们去向后在p-价值观，
什么是这最大的p 值那是踢出去
和我们看有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，
你能想象如果你有小的变化
在你的观察到的回应，或许甚至从化验变化性，
或者任何其他变化性，只是小的变化能带领
到大的变化在这减少模型
那是呈现作为A结果的这过程。
那高的模型变化性是某物那会是好的
如果我们可以平均的超过在一些方式，在这相同的方式那或许
和引导程序为了美东时间我们平均的超过这变化性
的这大车方法或者这分割方法
和那是什么这SVEM方法会是看着在正在做。
在这松动的感觉，他们是种类的这类似地，
为了这线性方法是看着在。
还我们能去步明智的和看在最小 AICc,
哪个是或许这首选方法。
在我们的最后的滑动节目的今天出色地是采取A看在，
为了这根据联合管理计划用户， AICc相对乙我知道了相对p 值选择
和我们的模拟诊断。
给信用到A很多的这现存的工作和领导向上到这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。
还想到感谢克里斯戈特瓦尔特为了他的耐心和回答问题
和分享信息作为他们已经发现事物沿着这方式。
这是真的帮助了放我们向上到是有能力的到放这到好的影响在实践。
请讲的在实践，在哪里有我们到过使用这相当A少量
超过这年是这环境的液体纳米粒子公式优化。
什么是脂质纳米颗粒公式？ 好吧，脂质纳米颗粒，
如果你已经得到任何信使RNA冠状病毒疫苗辉瑞，现代，然后你已经得到这些。
什么这些做是你拿A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。
然后那些是电的带电，
然后他们携带沿着和他们A遗传的有效负载，
信使核糖核酸，脱氧核糖核酸，或者其他有效载荷那任何一个充当疫苗
或者能目标癌症细胞。
这电的收费之间这遗传的有效负载，
进而这对面的收费在这纳米颗粒是什么结合在一起。
然后我们想要它到得到通过这细胞和然后发布这有效负载里面。
这公式变化取决于在什么这有效载荷是。
A伊索有时我们可能改变这类型的可电离的脂质,
或者这类型的他勒佩尔脂质到看哪个一做更好的，
所以我们有到重做这过程超过和超过。
为了这最多部分，这科学家们有成立那这些
范围的或许10-60% 为这脂质设置
进而A更窄范围的1-5%。
那是为了这最多部分这可行的范围为了这过程。
那是到过探索过的出去，和那是什么这几何学
我们想到匹配这里在我们的应用是。
我们想到说，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？
A伊索我们想到放向上A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，或许我们能概括到那，
但那是去到是我们的重点为了正确的现在。
给定那背景，
我是去到让吉姆现在总结这SVEM方法和讲话关于那。
是的，感谢你。
这特别的发现推介会，
什么是去到做的是A小的更集中一点在微软幻灯片软件，
很遗憾，因为这结果是真的什么这是全部关于
为了这模拟那我们已经完毕。
但这特别的会议，我将要展示你一些的这联合管理计划17 号
那我们有新的能力。
如果我去和我想到放向上A空间填充设计...
现在，之前我们不是能够做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。
我们当然可以放限制条件在那里，
但现在什么我们想到做是展示你如何你能做
A F空间伊林设计和这些混合物因素。
这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
这默认是你是去到得到10运行每因素，
所以40运行在A美国能源部通常是好的
和我们是快乐因为我们的功率是出色地多于90%
或者任何我们的标准是。
但那是不是这案件[听不清 00:09:54]这些混合物楷模
因为有所以许多限制条件固有在它。
什么那是讲述我，很遗憾，是甚至如果我是到有40运行，
ID仍然仅有的有5%力量从正在做舍夫立方体
和甚至如果它是主要影响仅有的，有仅有的20%力量。
力量现在是不是真的A设计标准那是去到看到
什么时候我们做这些混合物楷模。
现在，通常在我们的应用程序，
很遗憾，我们不有这奢华的拥有40运行。
在这案件出色地做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，
和你可以看到它是或许均匀地传播自始至终这表面。
的课程，我们做我知道是有界的和一些的这些伙计们这里
那我们只能走从1 -5%在这聚乙烯乙二醇。
什么我想到现在做是只是去到快速地向前。
现在让我们说我有跑步这设计和我是准备好到做这分析。
这是在哪里SVEM是真的制成巨大的进展
和如果你听到一些的克里斯和菲尔拉姆齐的工作
出去那里在联合管理计划社区，你会看这是A步改变。
这是A游戏改变在条款的你的分析性的能力。
如何会我们做这在16？
在联合管理计划16什么星期三有到做是星期三有到来通过，
实际上它是值得去通过步只是因为它给出你
A小的少量的洞察力，尽管这基本的使命
的这简报或者这讲话是不是SVEM，
它将要给我们一个主意的什么是去在。
什么我们能做这里是我们能去先和出色地制作这汽车验证桌子。
这是这联合管理计划16方法。
什么你会笔记这里是我们已经消失了从12运行到24.
我们只是加倍他们和你看这验证放。
这训练可能是第12、验证这下一个12.
那是什么是添加和然后我们有这重量。
这是这引导程序重量和它是分数地加权。
什么发生是我们将要去先和跑步这模型
和来向上和A预料到的价值，
但然后我们需要到改变这些重量和然后保持正在做这超过和超过
为了我们的 Bootstrap，很像A随机的森林，主意为了这SVEM。
现在什么是有用是到种类的拿A快的看。
什么是这几何学的这些重量？
我们能看他们是反对-相关,
意思是如果在这训练放我是低的，
我是大概去到是高的在这验证放。
这是种类的A快的小的视觉的的那关系。
现在我是准备好到去做我的分析在联合管理计划16.
它会是分析过的和星期三只是做我们的合身模型。
的课程，我们想A广义的回归
和出色地去通过和做A舍夫立方体这里，
因为它是A混合物。
但这是在哪里我们有到添加在这步，
我们放这验证集作为你的验证柱子
和然后这验证重量是去到是那频率。
现在我能跑步这。
经过这方式我们可以，
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
到去先和跑步这模型和瞧，那里是这估计。
什么我们会做那我们就来这里吧在下面这节省这预言公式。
然后这里是一跑步。
好的，所以我们得到一跑步。
你能看那这顶部是15.17,和我们实际上锯15.23,
所以不是坏的在这模型，
但我们会做这超过和超过。
我们用过的到做它关于50次或者所以。
但和联合管理计划17、现在这所有的过程是自动化的到我们。
我们不有到做这50次和然后拿这平均的
的这些预言公式。
是有能力的到去直接地在它。
如果我来后退到我的原来的设计这里和这回复，
我能得到正确的在它。
经过这方式，这是表明我有其他约束放在这里。
A很多的次我们有这化学家和生物化学家喜欢到看那
到制作当然那这比率基于分子重量是之内原因。
不是仅有的做我们有这混合物约束条件，
我们还有A很多的其他限制。
我是在职的和A组在哪里我们有或许15不同的原料
和大概30限制条件在添加到这混合物约束条件，
所以这些方法工作并扩大规模，
大概是这最好的方式到说它，漂亮的出色地。
现在这是17、所以17 号我能得到正确的在它。
我是去到去先进入合身模型，和患病的去先和做A谢夫立方体。
从这里，什么是有能力的到做来了进入A广义的回归。
在这案件，我们不需要到担心关于这些伙计们在这里。
我们能改变它到记录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向前和我是去到去做200.
你会看看有多快他们有这调整。
真的是仅有的事物你能做在先进的控制
是查看无论或者不是你想到力量A学期在。
我打去和瞬间我有完毕200引导程序样品为了这问题。
的课程，我现在能看在这分析器
和那是这平均的的这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，
那里有数百个的事物你能从这里开始
和安德鲁会触摸在A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A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。
这是平均数200 人中不同的样品那是出去那里。
和那，那是这演示，
和出色地去后退到看着在这图表那里到说，
“嗯，什么是它那是看见在条款的这结果的SVEM？”
安德鲁，如果你想到拉向上那滑动。
这是或许A快的视觉的。
你能看那如果我看在那些第一的三，
在这案件，红色的是坏的。
什么是看着在这里是这名义上的覆盖范围。
这是A混合物模型
在这预测最优值点的表现。
我们能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。
这是这覆盖范围费率。
星期三喜欢它到是A名义上的5%错误那我们不实际上看
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
那我们只是看到了，它给了我们A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？
我们能看那我们不做作为出色地和我们的古典方法。
这满的模型，推杆全部这中的术语，
套索做漂亮的出色地在A 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到
那是确实捕获和得到好的覆盖范围。
A好的或许图片到保持在你的头脑，
那我们是方式表现出色一些的这其他方法出去那里
什么时候它来了到这能力。
现在，在条款的如何这模拟，
什么是聚焦在这里是A小的少量不同的比什么你可能考虑到，
在条款的A模拟在哪里我们正在寻找在A模型和说，
“如何出色地做过我们做和这特别的方法？”
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A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
那最佳的混合物，如果你将要，和这最佳的设置那达到我们
A最大限度效力或者最大限度地减少一些副作用
或者帮助我们和这[听不清 00:18:58]
那是去到是叫做“百分的最大限度”那是看着为了。
是去到使用那作为我们的基本的回复这里
在条款的存在有能力的到评价哪个方法跑赢大盘其他的。
它是不是真的去到是，
如何远的离开是我从这地点的这最佳的价值？
它是如何远的就是它回应说我预料到的为最佳
如何远的是那从这实际的最佳？
那是去到是我们的措施的成功。
这方式这将要工作是患病的是询问安德鲁A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在
和这最佳的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？
你有更多的混合的东西在这中间，
空间填充，哪个是更好的。
如果我做使用一个最佳的设计，
它默认值到D或许，但什么关于我和A？
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A有帮助的措施的A好的设计？
那是这设计片，但还这分析一块是
是那里A特别的方法那表现优于每个人，
或者是那里肯定地区那我们应该重点在
使用套索和其他的，
那我们应该只是使用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，
和星期三喜欢到分享和你
一些的这结果那我们得到从这模拟。
安德鲁，你想到给我们
A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，
我只是想到观点出去一工具
那我们已经制成重的使用的在这分析的我们的结果，
和很遗憾，我们不有时间到钻研进入这演示，
但它有到过所以有用的是，之内这分析器
到看在这输出随机的桌子为了这些混合物设计
和到看在这回应尤其，
我们频繁地有效力由边影响。
我们有多种的回应，
我们想要平衡那出去和这合意性功能，
和然后是去到看在这个人回应他们自己。
什么时候我们输出A随机的桌子，我们得到A空间填充设计，
基本上不是A设计，但我们充满向上这全部的因素空间，
和是有能力的到看在这边缘影响
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，我们能看那或许一有
A降低边缘行为超过这全部的空间。
但自从是想要到优化，
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，出色地去到这分析器和做这。
我们能仍然得到这分析性的最佳从分析器，
但在添加到那，
这给出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
是我们可能跑步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合意性或者经过这回复，
我们能看这更多的或者较少的理想的地区
的那混合物空间，
所以那能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地区在这因素空间，
或者到排除地区。
我不能做很多更多的和那正确的现在，
但我通缉到观点那出去
因为那是A非常重要的部分的我们的分析过程。
如何做我们评价一些的这些选项
之内这类型的几何学的A因素空间？
我们建成A模拟脚本那我们有共享在这联合管理计划网站，
和它允许我们到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A真的形式选择
那给出我们这真的生成功能在后面这过程，
A设计类型，任何一个空间填充或者最佳的。
这最佳的设计现在是去到是的A肯定最低限度尺寸
基于在这数字的效果那是瞄准。
做我们有A第二-命令模型， A第三-命令模型，
A舍夫立方模型？
什么做我们有？
通常情况下，每当你建造A模型和风俗设计在杰普,
它写A模型脚本出去到你的桌子和然后你使用那到分析它。
出色地，某物我们已经探索过的是允许A更富有模型
比什么我们得到，什么我们目标，
和是我们有能力的到使用这些方法和SVEM
和得到额外的改进的结果，
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到考虑，
所以我们允许我们自己和这有效的选择
到包括额外的影响。
我们能看在这影响的添加重复或者中心点
和那风俗弥散加权成像对话到执行那些。
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瞄准这满的模型，
任何一个和尊重到预言变种，
D-最优，你正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，
所以那是什么是去到拿A看在和这些模拟。
为了这最多部分在这些末次月经优化场景，
A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，
和或许它是不是那重要的的A过程，
或者这材料是非常昂贵的，
和我只是需要到做这最好的我能和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A预算为了40运行，
和他们能合身A满的第二-命令模型
加第三命令混合物效果，
和我们想到尝试到表征这全部的因素空间
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到是瞄准在我们的模拟。
吉姆，我思考你有一些问题
关于表现在下面不同的场景。
什么曾是你的第一的问题那里？
我做过。
我猜测什么时候我思考关于A 12-跑步设想这里，
和如果我只是去和这默认， ID得到A D -最佳的
和它会是主要的效果仅有的。
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会是首选？
或者是那里一？
好的，所以采取A看在那。
为了这D-最佳的设计，作为A一般的规则，
它是去到放几乎全部的它是运行沿着这边界的这因素空间
和它是不是去到有任何内部的运行
除非你有二次的条款或者某物那需要那。
和A 12 -跑步设计，
有90度的自由必需的到合身全部这主要的效果这里。
我们已经得到A很少度的自由为了错误，
但大多是仅有的瞄准这主要的效果这里。
如何做这分析方法做？
是那里任何不同之处在这分析方法？
什么我们做，和全部的这些是去到总结，
我们展示这百分的最大限度为了全部的我们的模拟那我们做，
和所以我们能看那分配为了每个的这分析方法，
全部为了这12-跑步， D-最优设计目标影响。
然后我们还展示任何重要的差异之间这些，
和是只是使用学生T。
是不是制作一个二键调整，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神经的方法
因为它是不是受限制的到仅有的看着在这主要的效果，
他们能允许一些额外的复杂在这模型，
和所以它获胜这里。
现在，不得到也兴奋的关于那因为这是关于这最好的
那我们已经见过SVEM神经网络做是在这些小的设置。
但如果我们是跑步更多的比一候选人最佳去向前，
然后或许我们能包括A SVEM神经,但在一般的，
我们不会推荐仅有的粘着与一个SVEM神经的
只是因为它趋于到是更多的多变的，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，我们是去到得到
A次优的表示的我们的过程。
那是为什么在这案件这满的模型做更好的比那些。
但什么是有趣的是这SVEM线性方法
是有能力的到在至少匹配那满的模型表现。
是不是失去任何事物经过使用SVEM在这应用，
所以那是A好的方面在哪里我们不有到担心
关于这较小环境。
是我们伤害我们自己在全部经过使用美国国际商会？
现在，某物别的我们尝试过这里是给定这相同的，
你已经仅有的得到12运行。
你是仅有的瞄准这生产
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到考虑第二-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的到做？
什么发生，和我们看这联合管理计划这里，
这SVEM线性方法是有能力的到利用那信息
和给我们更好的百分的最大限度，得到最佳的候选人，
和那些是我们的获奖者这里现在是这些SVEM线性方法。
什么我们看是那有趣的是，
这根据方法为了这些SVEM方法,福特方法，
或者福特选择或者这套索是不是有能力的到制作使用的那，
仅有的这SVEM是，所以那是A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到联合管理计划17 号
和他们不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。
什么我们开始到看这里是这主题那是去到看
自始至终这休息的这天是那任何的这些套索方法
和不截距是去到给我们子-最佳的结果
因为没有这截距
和这惩罚不工作正确的在套索，
那么你实际上想到转动离开这默认选项的不截距
如果你是去到尝试到使用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。
我们不能做那和联合管理计划17 号亲，那是不是在那里。
我们能，我们有到有A手动的[听不清 00:29:01]脚本化的。
是的，这是不是A手动的选项。
好的，这是好的，
但我是还A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，你能看相当比拥有
全部这点沿着这外部的，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
和圆形的这些到这最近的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？
现在什么是去到做是比较
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，
这获奖者是这SVEM线性方法,
套索仅有的和这截距，不是没有这截距，
和这D-最佳的。
再次，在后面这场景，你有到记住，
现在你是假设为了这D-最优方法
那你的积极的模型是真的超过这全部的因素空间
和你已经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，
然后那是某物别的到拿进入帐户，和它是不是建成进入这。
你有到考虑那。
但如果你是自信的，
或许你已经跑步这前和你是仅有的制作次要的变化，
然后这方式到去是这D-最佳的和这SVEM接近。
向下这里，这失败者是这套索，和不截距。
我们我们要去避免那些，
和你能看那些重的尾巴向下这里。
不是这SVEM套索，只是这套索。
实际上这是这SVEM套索和不截距下面这里。
是的。
他们全部得到这些Fs,所以他们全部失败。
- 方便， [相声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。
如果是去到做五更多的运行，
如何做那影响一些的这些结果？
什么时候你说五运行，不是A跟随-向上学习，
但你的建造是学习任何一个12或者17 号运行
在A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，我们能看在这边缘影响
因为有A成本到你为了那些额外的五运行。
什么是这益处的那些五额外的跑？
使用这设计分析你可以使用，
看在飞行数据系统阴谋和你的飞行数据系统加方法降低，
反映较小预言变体。
力量是不是那有用为了这些混合物效果设计。
我们不关心关于这参数。
我们想到知道，如何出色地会我们做和优化？
那是在哪里这模拟的便利，我们能拿A看在那。
如何做你的分配的你的百分的最大限度改变
作为你去从12到17 号跑？
有趣的是，有不益处为了这单身的射击40国际商会
到拥有17 号相对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。
如果你看在你的误差方差，
你的预测方差是去到是更小，
和那里可能是一些其他[听不清 00:32:09] ,
但主要是你的预言方差
是去到是较小如果你看在那。
但真的吗，我们不关心那很多关于预言方差。
我们想到知道，在哪里是那最佳观点？
因为后这，是去到是跑步确认运行
和或许在复制品在那观点
到得到一个主意的这过程和化验方差然后。
但正确的现在，
我们是只是试到侦察出去这回复表面
到寻找我们的最佳的公式，
所以和那目标在头脑，有不益处为了为期四天的国际商会。
现在为了这SVEM方法，
我们做看那里是A重要的不同之处
和我们做得到A重要的改进
在条款的我们的平均的百分的最大限度我们获得，
和或许不是作为重的尾巴向下这里。
但现在你需要到知道是那你需要到决定，
是那几乎重要的？
你想到移动从90%到92%意思是百分的最大限度
在这第一的射击和五额外的跑？
你有到做你的边缘成本
原来的益处分析那里作为A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
因为你有到跑步确认运行反正
是如果我们跑步这12 -跑步设计，
你能然后跑步A候选人最优值或者二
基于在这结果我们得到，
和然后加A夫妻的额外的运行或许
在A高的-密度地区为了什么那看起来好的，
或者甚至增加出去你的因素空间A小的少量，
和然后你是仍然跑步A全部的的17 号运行，
但现在是去到有甚至A更好的感觉的这好的地区这里，
所以那是某物到考虑。
某物别的我们能看
从跑步这模拟和17 号运行是，
让我们看在这表现
的每个的这配件方法之内每个迭代，
和有实际上A出奇低的相关性
之间这表现
的这些不同的方法之内每个迭代。
我们能使用那到我们的益处
因为是去到是跑步确认运行后这，
所以相当比只是拥有到拿一方法和一确认观点，
一候选人最佳的观点，
如果我们是到，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，
然后是去到是有能力的到去向前和哪个一每个人做最好的。
是看着在这最大限度的这些。
相当比看着在A意思是的92%到94%,
现在是看着在A意思是的关于97%和A较小尾巴
如果我们考虑多种的的这些方法在一次。
好的，非常有用。
让我们现在放我们的眼睛朝向这40 -跑步设计。
非常好的信息在条款的我的较小跑步设计。
现在和40、如何做它玩出去在条款的这些分析方法？
是我们去到看持续的行为和什么我们锯在这12 -跑步设计？
然后如何关于这空间填充相对这最佳的设计， D-最优？
-ID是感兴趣的在那。 -好的。
出色地，第一的拿A看在这D-最优设计， 40运行，
和现在是瞄准全部的这第二-命令效果，
这第三-命令效果，混合物效果，
和是瞄准全部这效果
那是确实展示在我们的生成功能，
和我们仍然看那是已加载向上在这边界的这因素空间
和这最佳的设计，
和然后如果我们是去到看现在和这空间填充设计，
是去到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不同之处是。
第一的的全部，重点在这空间填充设计，
哪个分析方法做最好的？
和相同的作为我们锯在这12 -跑步例子的这SVEM线性，
福特选择和那截距，套索与这截距做这最好的。
这最糟糕的案件你能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，哪个是令人安心的
因为现在我们不有到是担心关于，
“出色地，我们正在改变我们的设计类型。 现在我们得到到改变我们的分析类型。”
它是好的到看这一致性穿过这获奖者的这分析类型。
这满的模型不做作为不好这里和这最佳的设计，我思考，
因为这最佳的设计是瞄准那模型
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。
现在让我们比较这空间填充到这D-最优设计,
和我们能真的看
这最大不同之处这里是之内这满的模型，
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，
那是全部之内这语境的这满的模型。
为了你的D -最优性标准，
你的平均的预言方差，那是全部那里。
A很多的次什么时候你跑步那些比较，
你是去到看A斯塔克不同之处之间那些
和那是什么你是看到这里。
然而，在真实的生活，
是去到是跑步A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，
它真的关闭这不同之处之间这空间填充和这最佳的设计，
和我们看漂亮的关闭到中等的，和轻微地较重尾巴这里。
但现在你能看在这和说。
“好的。我失去A小的少量和空间F伊林设计。
但如果我有任何担忧根本不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点我能跑步
和我想到有某物那是去到是不是也远的离开
从这候选人最佳那我是去到携带向前，
然后那些是这好处的这空间填充设计。”
现在我们能称重那些出去。 是不是卡住
和这激烈的不同之处之间这二。
再次，那是基于仅有的相对这D-最优设计。
我猜测A很多的次在我们的美国能源部工作，
我们喜欢到或许看在这I-最优性标准
和甚至这A有完毕真的出色地为了我们。
在特别是，它价差它。 这是c当然不是空间填充，
但在至少它价差它出去A少量更多的比这D -最佳的。
做我们有任何想法如何那些我和A最佳的工作？
是的，我们能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A -最佳的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A -最佳的绝不做作为出色地作为这D或者这我-最佳的，
和那熊出去这里在这模拟，
那是这蓝色的这里为了这最佳的，给出我们下结果。
规则的拇指这里是，
不打扰和这A-最优设计为了混合物设计。
现在为了D相对我-最佳的，我们不看任何...
在这应用为了这生成功能，
我们不看任何不同之处之间他们。
然而， A原因到轻微地更喜欢这D-最优是，
那里趋于到是一些收敛问题为了这些利纳普设置
在哪里你已经得到到挂钩超过这一5%
和你是试到目标A舍夫立方模型在杰普,
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 -最佳的，如果有不是很多的A益处，
然后它似乎到是这更安全赌注到戳和这D-最优。
现在我们不是有能力的到测试那和这模拟
因为正确的现在在杰普,
你不能脚本在舍夫立方条款进入这美国能源部
到建造一个最佳的设计。
你有到做那通过这图形用户界面。
我们不是有能力的到测试那，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。
如果你想到在你的应用程序，你能尝试两个都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-最优似乎到是表演出色地。
好的，我猜测只是保持拉这线A小的少量更远是，
A很多的次出色地尝试一些类型的A杂交种设计。
为什么不我们开始出去和，说， 25空间填充运行，
和然后增加那和一些D-最优标准
到制作当然那我们能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，我们能模拟那和我们拿A看。
任何一个我们已经得到...
这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，
让你运行空间填充，
或者A杂交种，在哪里我们开始出去和25空间填充运行
和然后我们去到增加和加载在建筑15额外的运行瞄准
这第三命令模型，和什么我们看是那现在，
我们有不重要的不同之处在条款的这优化
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到合身额外的效果
和保护反对失败沿着这边界。
它是A小的少量更多的工作到放这向上。
出色地做这为了高的优先事项项目
因为仅有的为了那些因为那个额外的成本和时间。
但它做出现到是A有希望方法。
正确的。
几乎你思考关于在哪里你的最佳的是去到是，
有A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。
我猜测只是或许去后退，
重访这想法的什么如果我有A中心观点，
什么如果我有A观点那我可以复制？
再次，或许在这40-跑步设计，
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式和这些？
出色地，这来了向上A很多因为现在教科书将要告诉你
到添加五到七复制运行。
这科学家们是去到踢你出去如果你尝试到做那。
A很多的次我们有到制作这争论
到添加甚至A单身的复制跑步
因为它有优点外部的这配件
因为现在你得到A模型[听不清 00:41:09]
和只是以图形方式我们能使用那作为A诊断，
我们能看在那空气方差相对的到这全部的方差
从这全部的实验。
它是非常有用到有，
和所以它是去到是好的到有一个争论为了你到说那，
“好的，是不是伤害你的优化常规
经过包括甚至A单身的复制跑步。”
那是什么我们看这里为了这40 次运行例子
经过强迫一的这些到成为一个复制之内风俗设计。
我们是不是得到A重要的不同之处在全部
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。
我不有这图表这里因为它是无聊的。
它是这相同的事物在这特别的应用，
强迫一的他们到是A中心点。
有不不同之处。
部分的那可能是在这案件，这D-最优设计曾是给予我们
A中心点或者某物关闭到A中心点。
那可能不是有到过改变这设计那很多。
你可能看A大不同之处
如果你去后退到这12 轮设计执行这中心点。
但那是这优势的拥有A模拟框架建成向上
在哪里你能拿A看在那
和看什么是这实际的影响去到是为了包括那。
好的，现在如何关于...
我提及我有这大的项目和地段的限制。
会A约束或许改变一些的这结果？
出色地，我们可以可能包括这限制条件
和它是去到改变这允许地区之内这...
从图形上看，你要去到看A改变在你的允许地区，
和我们能模拟那。
实际上，我有完毕那。
我不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。
一不同之处我们做过笔记是那跑步这模拟
和然后约束这地区有些是那这空间填充改进的
因为它是得到A较小空间到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到看。
但全部的这适用只是作为出色地和限制条件
和没有什么的笔记在条款的不同之处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，是几乎跑步短的在时间这里，安德鲁，
但我做有A忧虑。
我们有A指定错误设计
和我们会喜欢到裹向上
和离开这伙计们和A很少钥匙外卖。
这是一个例子在哪里现在这功能性的形式
做不是匹配任何的这效果是考虑到
和是相对地平坦的在这周长
在哪里A很多的那些最佳设计将是
所以我要看看如何那作品出去。
还笔记这[听不清 00:43:52]胆固醇放到A系数零
和一个真实的生成功能。
现在采取那真的功能去到概况呃输出就在桌子
和你能看如何好的它是到是有能力的到阴谋这些事物
到看这回复表面使用那输出正确的在这桌子。
这是真的你的真的回复表面，和这是你的回复表面，
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你的回复。
它看起来喜欢它影响你的回复，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到解析出去，
哪个这个人混合物效果真的影响你的回复。
是不是作为担心的关于那
正如我们现在一样的说，什么是A好的公式去向前？
在这环境，我们添加A小的少量的噪音，4%简历，
哪个是用过的频繁地在这制药公司世界。
在这案件，这意思是是使用是这意思是在这最大限度，
哪个在这案件是一，
和然后还A很多更多的极端40%简历。
这看起来更多的喜欢A声纳
和他们是试到寻找泰坦尼克号或者某物。
希望没有任何的你的制药公司应用看喜欢这，
但我们只是想到看在这极端案件如何事物工作出去。
什么我们看是在这小的12 轮例子
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到40 跑，
这空间填充不是有能力的到保持向上作为出色地，
但 D 最优将要真的做现在好多了，
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，
它是有能力的到挑选向上这签名的这表面这里。
现在，这是这不同之处之间这满的模型
和然后这空间填充和D-最佳的。
不是作为大的的A不同之处为了这SVEM方法，
但你做仍然有A很少尾巴点向下这里。
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
是仅有的近似那曲率为了那回复表面。
如果我们去向上到这极好的嘈杂看法，不一做A真的好的工作，
但仍然你的仅有的机会与这空间填充接近。
但然后什么时候我们去向上到这更大样本尺寸，
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到弹跳出去超过那噪音更好的
和是有能力的到制作更好的使用的那些运行比这空间填充。
A夫妻的考虑因素那里。
什么是你的跑步尺寸？ 如何饱和的是你的模型？
如何很多过程变化做你有相对的到你的过程的意思是，
去进入这平衡的这空间填充相对最佳的。
如果我们拿A看在什么是这坦率最佳的点
是得到出去的这空间填充相对最佳的。
我是对不起，为了这空间填充，
然后什么我们看是是在目标为了这是可电离的和帮手。
是在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。
他们是绝不在目标，
他们是总是推动你离开某处别的。
你能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，那么我们就是在目标。
那真的是重要的到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联合管理计划专业版
和不有SVEM，
你可能说，出色地，好的，什么是你的模拟？
这里，什么是更好的？ AICc,相对银行国际代码,相对P 值。
很遗憾，只是使用这数字的模拟我们已经跑步，
有不是作为持续的方法作为那里是和SVEM。
如果你已经得到A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，然而在这较小环境，
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做这最糟糕的是， 0.01做这最好的在大的环境。
不是一致性，您使用什么 P 值？
0.01、0.05、0.1 。
这P值从这看法是一个未调整的优化范围，
所以或许最好的到避免那和戳和这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。
你能得到更好的解决方案和JMP P罗,和SVEM。
伟大的。
我猜测我们想到只是裹向上。
一些的这钥匙发现这里，安德鲁。
是的，和还，吉姆，任何其他评论？
做你有任何其他评论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的事物
那我们已经来向上和新的工程化的木材
那是更好的比它是曾经到过
和推进剂那是拥有身体的特性
和表现那我们没有见过前。
我们有采取A步，
A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向下那里，
那SVEM似乎到是我们的方式到去，
和如果你仅有的有一或许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。
我不知道如果它是或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到忘记到转动离开不截距
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A好的安全的方式到去。
完美的。
出色地，和那，我们站立准备好到拿你的问题。
