你好，每個人，和歡迎到聯合管理計劃發現。
安德魯卡爾和希斯衝。
我有A推介會今天那是去到強調
一些的這特徵在聯合管理計劃17 號親那將要幫助你出去
在這世界的混合物楷模。
許多的你是涉及在配方，
和到是誠實的，那是什麼我們已經到過正在做A很多最近。
是A很多喜歡救護車追趕者,在哪裡出色地只是去後
這最新的事物那個客戶是有興趣的在。
但那是什麼是看到A很多最近，是夥計們那是正在做混合物楷模
那是實際上相當複雜的和更多的所以比星期三曾經知道。
我們只是決定我們會做一些更深調查
和一些的這新的已經過時的技術，
和那聯合管理計劃17 號施行為了我們。
安德魯，會你喜歡到得到開始了和或許給A小的位元的背景
在這所有的主意的什麼A混合物模型是，
和一些的這其他技術？
好的，讓我們開始出去和A好的，簡單的圖形。
讓我們拿A看超過這裡在這陰謀在這左邊。
是在一個實驗性的環境，
所以現在我認為我們已經得到二因素，
成分A和成分乙，和他們範圍從0-1。
如果有不混合物約束條件，然後一切在這黑色的方塊
是A可行的觀點在這因素空間，
所以我們的設計常規是去到給我們點某處在這空間。
然而，如果有A混合物約束
在哪裡這些有到添加向上到一，然後僅有的這紅色的線是可行的。
我們想到得到A有條件的最佳
給定那約束，和我們想到結尾向上
某處在那線為了兩個都我們的設計和我們的分析。
如果我們移動向上到三混合物原料，
A，乙和C，全部有能力的到各不相同從0-1,
然後我們得到A立方體為了那0-1約束為了每個的他們。
但和這混合物約束條件，那需要這形式的A飛機
相交A立方體，和那給出我們這三角形，
所以僅有的這紅色的三角形是相關的出去的那全部的空間。
如果我們有四方面，如果我們有四混合物因素，
然後那允許的因素空間是實際上A三-維度的子集，
A金字塔之內那裡。
看著後退到這三-混合物環境。
看這三角形？ 那是這允許地區。
出色地，那是為什麼聯合管理計劃給出我們這些三元地塊。
對於這些三元圖，
什麼聯合管理計劃將要做是，如果你有更多的比三混合物因素，
是你會有二因素顯示在A時間，
和這第三軸將要是這和的全部這其他混合物因素。
我們能看在這些三元圖，相當比擁有到有A金字塔
那是看著自始至終。
我們有到決定，我們要不要想A空間填充設計
或者一個最佳的設計？
現在，通常情況下在A非混合物環境，星期三通常情況下使用一個最佳的設計，
和為了這最多部分，我們不會考慮A空間填充設計。
有A很少原因那我們想到考慮
A空間填充設計在混合物設定.
常在這配方世界，如果你去也遠的，
有A小的位元更多的靈敏度到去也遠的在你的因素空間，
製作它也寬的，然後你的全部的流程失敗。
S假設那發生超過這裡在哪裡X2是。
認為它失敗一切以下0.1。
你是去到失去A好的區塊你的跑步次數因為這最佳的設計
傾向於放最多的你的運行在這邊界的這因素空間，
所以你是去到失去這些。
你是不是去到是能夠運行你的滿的模型
和這其餘的點,和你是不是去到有
任何好的資訊關於在哪裡那失敗邊界是。
為了這空間填充設計，如果你有一些種類的失敗
低於0.1，你是失去A較小數位的點。
你的其餘的點仍然給你A空間填充設計
在這現存的空間那你能使用到合身這模型效果，
現在是去到是有能力的到模型那失敗邊界。
也在這混合物世界，我們常看更高命令效果積極的：
互動或者曲率，多項式，
比我們可能看在這非混合物環境。
如果我們不指定那些，因為任何的這些楷模是最佳的，
有條件的在這目標模型我們給，所以如果我們不指定一個影響操作員
為了這最佳的模型，我們可能不是是有能力的到合身它
後這事實，因為他們可能是別名的
和其他效果那我們有。
這些空間填充運行行為作為某事A抓住-全部的可能的運行，
所以有A夫妻的原因
那我們可能想到考慮空間填充運行，
但我們想到拿A看分析地。
什麼是這不同之處在表現之間這些，
後我們跑步透過模型減少，不是只是在這滿的模型，
因為是不是只是要去是使用這滿的模型。
那是這設計階段問題。
什麼時候我們到達這分析，
每當你是看著在這些混合物實驗在傑普,
聯合管理計劃自動地輪流離開這截距為了你，
因為如果你想以適合滿的模型
和全部的你的混合的保持效果，你不能包括這截距。
你會得到這警告
因為這混合物-製成效果是受約束的到一，
和他們添加向上到什麼這截距是，所以他們是別名。
也,如果我們想到看在更高命令效果，
我們不能是喜歡A回覆表面在哪裡我們有純的二次的條款。
我們有到看在這些雪夫立方體條款
因為如果我們嘗試到看在這互動
加這純的二次的條款，然後我們得到其他奇點。
那些是A夫妻的皺紋在這分析。
然而，去向前和這模型選擇方法，
向前選擇或者套索，哪個是這根據方法
的這SVEM方法是去到是看著在，
我們想到考慮有時轉動離開這預設'不截距'選項。
什麼我們尋找是為了這套索法我們實際上有到去做
在命令到得到合理的結果。
後我們合身我們的模型，現在我們想到做模型減少
到踢出去不相關的因素。
我們已經得到A夫妻的不同的方法的正在做那在根據聯合管理計劃。
大概什麼人們做最多頻繁地是他們使用這影響概括
到去向後在這p-價值觀，和踢出去這小的p-價值觀。
但這是漂亮的不穩定因為的這多重共線性
從這混合物約束，在哪裡踢出去一影響
能徹底地改變這p 值的這其餘的效果在這設計。
什麼這陰謀節目是如果我們去向後在p-價值觀，
什麼是這最大的p 值那是踢出去
和我們看有些跳來跳去這裡和那是從那影響。
給定那種類的揮發性在這配件過程，
你能想像如果你有小的變化
在你的觀察到的回應，或許甚至從化驗變化性，
或者任何其他變化性，只是小的變化能帶領
到大的變化在這減少模型
那是呈現作為A結果的這過程。
那高的模型變化性是某物那會是好的
如果我們可以平均的超過在一些方式，在這相同的方式那或許
和引導程式為了美東時間我們平均的超過這變化性
的這大車方法或者這分割方法
和那是什麼這SVEM方法會是看著在正在做。
在這鬆動的感覺，他們是種類的這類似地，
為了這線性方法是看著在。
也我們能去步明智的和看在最小 AICc,
哪個是或許這首選方法。
在我們的最後的滑動節目的今天出色地是採取A看在，
為了這根據聯合管理計劃用戶， AICc相對乙我知道了相對p 值選擇
和我們的模擬診斷。
給信用到A很多的這現存的工作和領導向上到這SVEM方法。
這些是一些偉大的參考那我們已經用過的超過這年。
也想到感謝克里斯戈特瓦爾特為了他的耐心和回答問題
和分享資訊作為他們已經發現事物沿著這方式。
這是真的幫助了放我們向上到是有能力的到放這到好的影響在實踐。
請講的在實踐，在哪裡有我們到過使用這相當A位元
超過這年是這環境的液體奈米顆粒公式最佳化.
什麼是脂質奈米顆粒公式？ 好吧，脂質奈米顆粒，
如果你已經得到任何信使RNA嚴重特殊傳染性肺炎疫苗輝瑞，現代，然後你已經得到這些。
什麼這些做是你拿A混合物的四不同的脂質,總結這裡，
和他們形式這些小的小小的氣泡。
然後那些是電的帶電，
然後他們攜帶沿著和他們A遺傳的有效負載，
信使核糖核酸，脫氧核糖核酸，或者其他有效載荷那任何一個充當疫苗
或者能目標癌症細胞。
這電的收費之間這遺傳的有效負載，
進而這對面的收費在這奈米顆粒是什麼結合在一起。
然後我們想要它到得到透過這細胞和然後發布這有效負載裡面。
這公式變化取決於在什麼這有效負載是。
A伊索有時我們可能改變這類型的可電離的脂質,
或者這類型的他勒佩爾脂質到看哪個一做更好的，
所以我們有到重做這過程超過和超過。
為了這最多部分，這科學家們有成立那這些
範圍的或許10-60% 為這脂質設定
進而A更窄範圍的1-5%。
那是為了這最多部分這可行的範圍為了這過程。
那是到過探索過的出去，和那是什麼這幾何學
我們想到匹配這裡在我們的應用是。
我們想到說，鑑於結構是正在做一遍又一遍，
我們要不要有一個理想的分析和設計方法為了那？
A伊索我們想到放向上A模擬那如果是看著在其他結構，
其他幾何形狀為了這因素空間，或許我們能概括到那，
但那是去到是我們的重點為了正確的現在。
給定那背景，
我是去到讓吉姆現在總結這SVEM方法和演講關於那。
是的，感謝你。
這特別的發現推介會，
什麼是去到做的是A小的更集中一點在微軟幻燈片軟體，
很遺憾，因為這結果是真的什麼這是全部關於
為了這模擬那我們已經完畢。
但這特別的會議，我將要展示你一些的這聯合管理計劃17 號
那我們有新的能力。
如果我去和我想到放向上A空間填充設計...
現在，之前我們不是能夠做混合物楷模和空間填充設計
就從出去的這盒子，如果你將要。
我們當然可以放限制條件在那裡，
但現在什麼我們想到做是展示你如何你能做
A F空間伊林設計和這些混合物因素。
這是新的那我現在有這些來在作為混合物，
哪個是好的因為它現在攜帶
全部的那些柱子特性和它作為出色地。
一事物值得提及正確的現在是
這預設是你是去到得到10運行每因素，
所以40運行在A美國能源部通常是好的
和我們是快樂因為我們的功率是出色地多於90%
或者任何我們的標準是。
但那是不是這案件[聽不清楚 00:09:54]這些混合物楷模
因為有所以許多限制條件固有在它。
什麼那是講述我，很遺憾，是甚至如果我是到有40運行，
ID仍然僅有的有5%力量從正在做雪夫立方體
和甚至如果它是主要影響僅有的，有僅有的20%力量。
力量現在是不是真的A設計標準那是去到看到
什麼時候我們做這些混合物楷模。
現在，通常在我們的應用程式,
很遺憾，我們不有這奢華的擁有40運行。
在這案件出色地做12運行和看如何那來了出去。
出色地去先和製作那個空間填充設計，
和你可以看到它是或許均勻地傳播自始至終這表面。
的課程，我們做我知道是有界的和一些的這些夥計們這裡
那我們只能走從1 -5%在這聚乙烯乙二醇。
什麼我想到現在做是只是去到快速地向前。
現在讓我們說我有跑步這設計和我是準備好到做這分析。
這是在哪裡SVEM是真的製成巨大的進展
和如果你聽到一些的克里斯和菲爾拉姆齊的工作
出去那裡在聯合管理計劃社區，你會看這是A步改變。
這是A遊戲改變在條款的你的分析性的能力。
如何會我們做這在16？
在聯合管理計劃16什麼星期三有到做是星期三有到來通過，
實際上它是值得去透過步只是因為它給出你
A小的位元的洞察力，儘管這基本的使命
的這簡報或者這演講是不是SVEM,
它將要給我們一個主意的什麼是去在。
什麼我們能做這裡是我們能去先和出色地製作這汽車驗證桌子。
這是這聯合管理計劃16方法。
什麼你會筆記這裡是我們已經消失了從12運行到24.
我們只是加倍他們和你看這驗證放。
這訓練可能是第12、驗證這下一個12.
那是什麼是添加和然後我們有這重量。
這是這引導程式重量和它是分數地加權。
什麼發生是我們將要去先和跑步這模型
和來向上和A預料到的價值，
但然後我們需要到改變這些重量和然後保持正在做這超過和超過
為了我們的 Bootstrap，很像A隨機的森林，主意為了這SVEM。
現在什麼是有用是到種類的拿A快的看。
什麼是這幾何學的這些重量？
我們能看他們是反對-相關,
意思是如果在這訓練放我是低的，
我是大概去到是高的在這驗證放。
這是種類的A快的小的視覺的的那關係。
現在我是準備好到去做我的分析在聯合管理計劃16.
它會是分析過的和星期三只是做我們的合身模型。
的課程，我們想A廣義的回歸
和出色地去透過和做A雪夫立方體這裡，
因為它是A混合物。
但這是在哪裡我們有到添加在這步，
我們放這驗證集作為你的驗證柱子
和然後這驗證重量是去到是那頻率。
現在我能跑步這。
經過這方式我們可以，
在許多的我們的實例是不是普通的，是紀錄普通的，
我們可以放那在正確的那裡。
這裡我們有我們的廣義的回歸能力
到去先和跑步這模型和瞧，那裡是這估計。
什麼我們會做那我們就來這裡吧在下面這節省這預言公式。
然後這裡是一跑步。
好的，所以我們得到一跑步。
你能看那這頂部是15.17,和我們實際上鋸15.23,
所以不是壞的在這模型，
但我們會做這超過和超過。
我們用過的到做它關於50次或者所以。
但和聯合管理計劃17、現在這所有的流程是自動化的到我們。
我們不有到做這50次和然後拿這平均的
的這些預言公式。
是有能力的到去直接地在它。
如果我來後退到我的原來的設計這裡和這回覆,
我能得到正確的在它。
經過這方式，這是表明我有其他約束放在這裡。
A很多的次我們有這化學家和生物化學家喜歡到看那
到製作當然那這比率基於分子重量是之內原因。
不是僅有的做我們有這混合物約束條件，
我們也有A很多的其他限制。
我是在職的和A組在哪裡我們有或許15不同的原料
和大概30限制條件在添加到這混合物約束條件，
所以這些方法工作並擴大規模，
大概是這最好的方式到說它，漂亮的出色地。
現在這是17、所以17 號我能得到正確的在它。
我是去到去先進入合身模型，和患病的去先和做A謝夫立方體。
從這裡，什麼是有能力的到做來了進入A廣義的回歸。
在這案件，我們不需要到擔心關於這些夥計們在這裡。
我們能改變它到記錄正常如果我們所以慾望。
一的我的選擇在這估計
反而的向前是在事實SVEM向前，
所以我做SVEM向前和我是去到去做200.
你會看看有多快他們有這調整。
真的是僅有的事物你能做在先進的控制
是查看無論或者不是你想到力量A學期在。
我打去和瞬間我有完畢200引導程式樣品為了這問題。
的課程，我現在能看在這分析器
和那是這平均的的這200運行。
那是種類的我的結尾模型，如果你將要。
的課程，和預言探查器，
那裡有數百個的事物你能從這裡開始
和安德魯會觸摸在A夫妻更多的的那些。
但二其他事物值得注意到這裡，
患病的節省這預言公式作為出色地和拿A看在那傢伙。
什麼時候我看在這預言公式，
患病的筆記那它是在事實已經平均出去為了我這裡。
這是平均數200 人中不同的樣品那是出去那裡。
和那，那是這演示，
和出色地去後退到看著在這圖表那裡到說，
「嗯，什麼是它那是看到在條款的這結果的SVEM？”
安德魯，如果你想到拉向上那滑動。
這是或許A快的視覺的。
你能看那如果我看在那些第一的三，
在這案件，紅色的是壞的。
什麼是看著在這裡是這名義上的覆蓋範圍。
這是A混合物模型
在這預測最優值點的表現。
我們能看那這標準步明智的夥計們是不是正在做也出色地。
那是這落後和向前AIC。
這是這覆蓋範圍費率。
星期三喜歡它到是A名義上的5%錯誤那我們不實際上看
這真的回覆在這預言或者實際上這信心間隔。
在其他字，什麼時候我們看起來在這輪廓
那我們只是看到了，它給了我們A預言或者信心間隔
曾是這真的價值，
哪個我們知道因為是玩這模擬遊戲，正確的？
我們知道什麼這真的價值是，什麼百分比的時間曾是那在那裡？
我們能看那我們不做作為出色地和我們的古典方法。
這滿的模型，推桿全部這中的術語，
套索做漂亮的出色地在A 10%速度或者所以，
但它是不是直到我們得到SVEM方法這裡那我們開始看到
那是確實捕獲和得到好的覆蓋範圍。
A好的或許圖片到保持在你的頭腦，
那我們是方式表現出色一些的這其他方法出去那裡
什麼時候它來了到這能力。
現在，在條款的如何這模擬，
什麼是聚焦在這裡是A小的位元不同的比什麼你可能考慮到，
在條款的A模擬在哪裡我們正在尋找在A模型和說，
「如何出色地做過我們做和這特別的方法？”
我們可以措施那經過如何這實際的相對這預料到的是
和然後星期三得到某一些A意思是平方錯誤。
我們做追蹤那價值，
但我們尋找在我們的工作，是很多更多的擔心的關於發現
那最佳的混合物，如果你將要，和這最佳的設定那達到我們
A最大限度效力或者最大限度地減少一些副作用
或者幫助我們和這[聽不清楚 00:18:58]
那是去到是叫做「百分的最大限度”那是看著為了。
是去到使用那作為我們的基本的回覆這裡
在條款的存在有能力的到評價哪個方法跑贏大盤其他的。
它是不是真的去到是，
如何遠的離開是我從這地點的這最佳的價值？
它是如何遠的就是它回應說我預料到的為最佳
如何遠的是那從這實際的最佳？
那是去到是我們的措施的成功。
這方式這將要工作是患病的是詢問安德魯A很少想法這裡
在條款的什麼通常來了向上在實踐。
我鋸這幾何學他表現出我早期的在
和這最佳的設計曾是總是打這邊界。
什麼如果我喜歡事物那我們稱呼更多的混合，正確的？
你有更多的混合的東西在這中間，
空間填充，哪個是更好的。
如果我做使用一個最佳的設計，
它預設值到D或許，但什麼關於我和A？
然後如何關於這年齡-老的美國能源部添加中心點？
是那聰明的？ 或者是一中心點？
或者如何關於複製？
我們已經已經討論過如何是不是存在有幫助，
所以什麼是A有幫助的措施的A好的設計？
那是這設計片，但也這分析一塊是
是那裡A特別的方法那表現優於每個人，
或者是那裡肯定地區那我們應該重點在
使用套索和其他的，
那我們應該只是使用SVEM為了選擇？
這些是實際的問題那來向上從全部的我們的顧客，
和星期三喜歡到分享和你
一些的這結果那我們得到從這模擬。
安德魯，你想到給我們
A小的位元更多的洞察力進入我們的模擬過程？
是的，謝謝，吉姆.
前我做那，
我只是想到觀點出去一工具
那我們已經製成重的使用的在這分析的我們的結果，
和很遺憾，我們不有時間到鑽研進入這演示，
但它有到過所以有用的是，之內這分析器
到看在這輸出隨機的桌子為了這些混合物設計
和到看在這回應尤其，
我們頻繁地有效力由邊影響。
我們有多種的回應，
我們想要平衡那出去和這合意性功能，
和然後是去到看在這個人回應他們自己。
什麼時候我們輸出A隨機的桌子，我們得到A空間填充設計，
基本上不是A設計，但我們充滿向上這全部的因素空間，
和是有能力的到看在這邊緣影響
的每個的這因素超過這全部的因素空間。
為了例子，為了這電離的脂質類型，
什麼出色地頻繁地看是，我們能看那或許一有
A降低邊緣行為超過這全部的空間。
但自從是想要到最佳化,
我們關心關於什麼這最大限度的每個的這些是，
和一的這些將要清楚地是更好的或者更差。
是看著在這減少模型。
後他適合他們，出色地去到這分析器和做這。
我們能仍然得到這分析性的最佳從分析器，
但在添加到那，
這給出我們更多的資訊外部的只是那最佳。
什麼我們可能做這裡是為了候選人運行，
因為我們總是跑步我們的確認運行
後這些公式和最佳化問題
是我們可能跑步這全球的最佳這裡為了H 102、
我們可能挑選出去這有條件的最佳為了H 101
和看哪個一做更好的在實踐。
也,看著在這三元地塊，
如果我們顏色那些經過合意性或者經過這回覆,
我們能看這更多的或者較少的理想的地區
的那混合物空間，
所以那能幫助我們作為我們任何一個增加這設計
或者任何一個包括額外的地區在這因素空間，
或者到排除地區。
我不能做很多更多的和那正確的現在，
但我通緝到觀點那出去
因為那是A非常重要的部分的我們的分析過程。
如何做我們評價一些的這些選項
之內這類型的幾何學的A因素空間？
我們建成A模擬腳本那我們有共享在這聯合管理計劃網站，
和它允許我們到插頭和玩為了不同的樣本尺寸在全部的，
如何許多運行是在這設計？
我們有A真的形式選擇
那給出我們這真的產生功能在後面這過程，
A設計類型，任何一個空間填充或者最佳的。
這最佳的設計現在是去到是的A肯定最低限度尺寸
基於在這數位的效果那是瞄準。
做我們有A第二-命令模型， A第三-命令模型，
A舍夫立方模型？
什麼做我們有？
通常情況下，每當你建造A模型和風俗設計在傑普,
它寫A模型腳本出去到你的桌子和然後你使用那到分析它。
出色地，某物我們已經探索過的是允許A更富有模型
比什麼我們得到，什麼我們目標，
和是我們有能力的到使用這些方法和SVEM
和得到額外的改進的結果，
甚至儘管我們沒有起初目標那些效果在這設計？
這短的回答那裡是是的。
那是某物別的我們想到考慮，
所以我們允許我們自己和這有效的選擇
到包括額外的影響。
我們能看在這影響的添加重複或者中心點
和那風俗擴散加權成像對話到執行那些。
如何做那影響我們的回覆?
因為任何的這摘要那你得到出去的這設計
和出去該設計診斷是開始瞄準這滿的模型，
任何一個和尊重到預言變種，
D-最優，你正在看標準錯誤為了這參數。
但什麼我們真的關心關於是如何好的是這最佳
那是得到出去的這，
所以那是什麼是去到拿A看在和這些模擬。
為了這最多部分在這些末次月經最佳化場景，
A很多的次，出色地來穿過二情況。
這科學家們將要說， “我有得到關於12運行可用的，
和或許它是不是那重要的的A過程，
或者這材料是非常昂貴的，
和我只是需要到做這最好的我能和12運行。那是什麼我有得到。”
或者它可能是某物在哪裡他們已經得到A預算為了40運行，
和他們能合身A滿的第二-命令模型
加第三命令混合物效果，
和我們想到嘗試到表徵這全部的因素空間
和看什麼這回覆表面看起來喜歡超過這所有的事物。
那些是這二場景是去到是瞄準在我們的模擬。
吉姆，我思考你有一些問題
關於表現在下面不同的場景。
什麼曾是你的第一的問題那裡？
我做過。
我猜測什麼時候我思考關於A 12-跑步設想這裡，
和如果我只是去和這預設, ID得到A D -最佳的
和它會是主要的效果僅有的。
我認出我可以做這空間填充喜歡我只是做過，
但我的問題是，如果我做這預設,
哪個一的這分析方法會是首選？
或者是那裡一？
好的，所以採取A看在那。
為了這D-最佳的設計，作為A一般的規則，
它是去到放幾乎全部的它是運行沿著這邊界的這因素空間
和它是不是去到有任何內部的運行
除非你有二次的條款或者某物那需要那。
和A 12 -跑步設計，
有90度的自由必需的到合身全部這主要的效果這裡。
我們已經得到A很少度的自由為了錯誤，
但大多是僅有的瞄準這主要的效果這裡。
如何做這分析方法做？
是那裡任何不同之處在這分析方法？
什麼我們做，和全部的這些是去到總結，
我們展示這百分的最大限度為了全部的我們的模擬那我們做，
和所以我們能看那分配為了每個的這分析方法，
全部為了這12-跑步， D-最優設計目標影響。
然後我們也展示任何重要的差異之間這些，
和是只是使用學生T。
是不是製作一個二鍵調整，所以保持那在頭腦
每當你是看著在這些重要的價值觀。
這優勝者這裡是我們的自製SVEM神經的方法
因為它是不是受限制的到僅有的看著在這主要的效果，
他們能允許一些額外的複雜在這模型，
和所以它獲勝這裡。
現在，不得到也興奮的關於那因為這是關於這最好的
那我們已經見過SVEM神經網絡做是在這些小的設定.
但如果我們是跑步更多的比一候選人最佳去向前，
然後或許我們能包括A SVEM神經,但在一般的，
我們不會推薦僅有的黏著與一個SVEM神經的
只是因為它趨於到是更多的多變的，有較重低的尾巴。
什麼是這其他結果？
我們看這失敗者在這應用
或者任何事物那是正在做這單身的射擊模型減少
因為全部這些效果是重要的在這模型，
和任何時間我們拉一的他們出去，我們是去到得到
A次優的表示的我們的過程。
那是為什麼在這案件這滿的模型做更好的比那些。
但什麼是有趣的是這SVEM線性方法
是有能力的到在至少匹配那滿的模型表現。
是不是失去任何事物經過使用SVEM在這應用，
所以那是A好的方面在哪裡我們不有到擔心
關於這較小環境。
是我們傷害我們自己在全部經過使用美國國際商會？
現在，某物別的我們嘗試過這裡是給定這相同的，
你已經僅有的得到12運行。
你是僅有的瞄準這生產
和這D-最優標準在這風俗美國能源部。
什麼如果我們允許這合身模型到考慮第二-命令效果
加有混合物效果，
所以我們的模型然後曾是有針對性的到做？
什麼發生，和我們看這聯合管理計劃這裡，
這SVEM線性方法是有能力的到利用那資訊
和給我們更好的百分的最大限度，得到最佳的候選人，
和那些是我們的得獎者這裡現在是這些SVEM線性方法。
什麼我們看是那有趣的是，
這根據方法為了這些SVEM方法,福特方法，
或者福特選擇或者這套索是不是有能力的到製作使用的那，
僅有的這SVEM是，所以那是A好的財產。
他們實際上打出去神經，
哪個是好的因為現在這些是本國的到聯合管理計劃17 號
和他們不要求作為很多計算時間
或者手動的放向上作為在他們的自己的。
什麼我們開始到看這裡是這主題那是去到看
自始至終這休息的這天是那任何的這些套索方法
和不截距是去到給我們子-最佳的結果
因為沒有這截距
和這懲罰不工作正確的在套索，
那麼你實際上想到轉動離開這預設選項的不截距
如果你是去到嘗試到使用SVEM套索
或者甚至只是套索沒有一個截距。
好的，所以我猜測它看起來喜歡SVEM神經做過出色地那裡。
但再次，那是不是本國的。
我們不能做那和聯合管理計劃17 號親，那是不是在那裡。
我們能，我們有到有A手動的[聽不清楚 00:29:01]腳本化的。
是的，這是不是A手動的選項。
好的，這是好的，
但我是也A扇子的這空間填充設計，
所以如何做那玩出去在條款的這分析方法？
為了這空間填充設計，你能看相當比擁有
全部這點沿著這外部的，沿著這邊界，
現在我們充滿向上這內部的空間
為了兩個都這混合物因素和這過程因素，
哪個有時在實踐什麼出色地做是，
出色地拿這過程因素
和圓形的這些到這最近的0.25或者0.5
或者任何粒徑作品最好的為了我們，但這是什麼它看起來喜歡。
在條款的這結果，如何做他們履行？
現在什麼是去到做是比較
這級聯的這設計方法
沿著和這分析方法和看哪個這些做最好的。
看著在現在仍然允許這更富有第二和第三-命令模型
為了這選擇方法和看哪個一做最好的。
什麼時候我們看在這比較，
這得獎者是這SVEM線性方法,
套索僅有的和這截距，不是沒有這截距，
和這D-最佳的。
再次，在後面這場景，你有到記住，
現在你是假設為了這D-最優方法
那你的積極的模型是真的超過這全部的因素空間
和你已經得到持續的各種各樣的超過那因素空間。
如果你是擔心關於失敗沿著這邊界，
然後那是某物別的到拿進入帳戶，和它是不是建成進入這。
你有到考慮那。
但如果你是自信的，
或許你已經跑步這前和你是僅有的製作次要的變化，
然後這方式到去是這D-最佳的和這SVEM接近。
向下這裡，這失敗者是這套索，和不截距。
我們我們要去避免那些，
和你能看那些重的尾巴向下這裡。
不是這SVEM套索，只是這套索。
實際上這是這SVEM套索和不截距下面這裡。
是的。
他們全部得到這些Fs,所以他們全部失敗。
- 方便， [相聲00:30:48] 。 -是的
好的。
什麼常將要來向上，
無論它是設計的向上正面在哪裡我們已經完畢我們的12運行，
和這老闆，
她有一些更多的問題和我們有更多的運行。
如果是去到做五更多的運行，
如何做那影響一些的這些結果？
什麼時候你說五運行，不是A跟隨-向上學習，
但你的建造是學習任何一個12或者17 號運行
在A單身的射擊正確的現在是什麼你是考慮到，正確的？
是的，確切地。
好的，所以是的，我們能看在這邊緣影響
因為有A成本到你為了那些額外的五運行。
什麼是這益處的那些五額外的跑？
使用這設計分析你可以使用，
看在飛行數據系統陰謀和你的飛行數據系統加方法降低，
反映較小預言變體。
力量是不是那有用為了這些混合物效果設計。
我們不關心關於這參數。
我們想到知道，如何出色地會我們做和最佳化?
那是在哪裡這模擬的便利，我們能拿A看在那。
如何做你的分配的你的百分的最大限度改變
作為你去從12到17 號跑？
有趣的是，有不益處為了這單身的射擊40國際商會
到擁有17 號相對12運行。
現在，再次，正確的現在是看著在這百分比的最大限度。
如果你看在你的誤差方差，
你的預測方差是去到是更小，
和那裡可能是一些其他[聽不清楚 00:32:09] ,
但主要是你的預言變異數
是去到是較小如果你看在那。
但真的嗎，我們不關心那很多關於預言方差。
我們想到知道，在哪裡是那最佳觀點？
因為後這，是去到是跑步確認運行
和或許在複製品在那觀點
到得到一個主意的這過程和化驗變異數然後。
但正確的現在，
我們是只是試到偵察出去這回覆表面
到尋找我們的最佳的公式，
所以和那目標在頭腦，有不益處為了為期四天的國際商會。
現在為了這SVEM方法，
我們做看那裡是A重要的不同之處
和我們做得到A重要的改進
在條款的我們的平均的百分的最大限度我們獲得，
和或許不是作為重的尾巴向下這裡。
但現在你需要到知道是那你需要到決定，
是那幾乎重要的？
你想到移動從90%到92%意思是百分的最大限度
在這第一的射擊和五額外的跑？
你有到做你的邊緣成本
原來的益處分析那裡作為A科學家
和決定如果那是值得它。
只是看著在它這裡，什麼我思考可能是有用
因為你有到跑步確認運行反正
是如果我們跑步這12 -跑步設計，
你能然後跑步A候選人最優值或者二
基於在這結果我們得到，
和然後加A夫妻的額外的運行或許
在A高的-密度地區為了什麼那看起來好的，
或者甚至增加出去你的因素空間A小的位元,
和然後你是仍然跑步A全部的的17 號運行，
但現在是去到有甚至A更好的感覺的這好的地區這裡，
所以那是某物到考慮。
某物別的我們能看
從跑步這模擬和17 號運行是，
讓我們看在這表現
的每個的這配件方法之內每個迭代，
和有實際上A出奇低的相關性
之間這表現
的這些不同的方法之內每個迭代。
我們能使用那到我們的益處
因為是去到是跑步確認運行後這，
所以相當比只是擁有到拿一方法和一確認觀點，
一候選人最佳的觀點，
如果我們是到，為了例子，看在這些四方法
和然後拿這候選人最佳從每個的他們，
然後是去到是有能力的到去向前和哪個一每個人做最好的。
是看著在這最大限度的這些。
相當比看著在A意思是的92%到94%,
現在是看著在A意思是的關於97%和A較小尾巴
如果我們考慮多種的的這些方法在一次。
好的，非常有用。
讓我們現在放我們的眼睛朝向這40 -跑步設計。
非常好的資訊在條款的我的較小跑步設計。
現在和40、如何做它玩出去在條款的這些分析方法？
是我們去到看持續的行為和什麼我們鋸在這12 -跑步設計？
然後如何關於這空間填充相對這最佳的設計， D-最優？
-ID是有興趣的在那。 -好的。
出色地，第一的拿A看在這D-最優設計， 40運行，
和現在是瞄準全部的這第二-命令效果，
這第三-命令效果，混合物效果，
和是瞄準全部這效果
那是確實展示在我們的產生功能，
和我們仍然看那是已載入向上在這邊界的這因素空間
和這最佳的設計，
和然後如果我們是去到看現在和這空間填充設計，
是去到看現在是填充向上這內部的
的這因素空間為了這混合物
和為了這其他連續的過程因素。
讓我們看什麼這表現不同之處是。
第一的的全部，重點在這空間填充設計，
哪個分析方法做最好的？
和相同的作為我們鋸在這12 -跑步例子的這SVEM線性，
福特選擇和那截距，套索與這截距做這最好的。
這最糟糕的案件你能做是保持這滿的模型，
或者然後試SVEM或者單身的射擊套索和不截距
和這D-最優環境，相同的獲獎者，哪個是令人安心的
因為現在我們不有到是擔心關於，
「出色地，我們正在改變我們的設計類型。 現在我們得到到改變我們的分析類型。”
它是好的到看這一致性穿過這得獎者的這分析類型。
這滿的模型不做作為不好這裡和這最佳的設計，我思考，
因為這最佳的設計是瞄準那模型
和這失敗者這裡是仍然這套索和不截距。
然後神經是真的墜落在後面這裡，在後面這其他方法。
現在讓我們比較這空間填充到這D-最優設計,
和我們能真的看
這最大不同之處這裡是之內這滿的模型，
這空間填充設計是很多更差比這D-最優設計。
任何時候你是正在做設計診斷，
那是全部之內這情境的這滿的模型。
為了你的D -最優性標準，
你的平均的預言方差，那是全部那裡。
A很多的次什麼時候你跑步那些比較，
你是去到看A史塔克不同之處之間那些
和那是什麼你是看到這裡。
然而，在真實的生活，
是去到是跑步A模型減少技術。
和SVEM,甚至這單身的射擊方法提升它。
但尤其和SVEM這裡，
它真的關閉這不同之處之間這空間填充和這最佳的設計，
和我們看漂亮的關閉到中等的，和輕微地較重尾巴這裡。
但現在你能看在這和說。
「好的。我失去A小的位元和空間F伊林設計。
但如果我有任何擔憂根本不關於這邊界的這因素空間，
或者如果我是有些有限的在如何許多確認點我能跑步
和我想到有某物那是去到是不是也遠的離開
從這候選人最佳那我是去到攜帶向前，
然後那些是這好處的這空間填充設計。”
現在我們能稱重那些出去。 是不是卡住
和這激烈的不同之處之間這二。
再次，那是基於僅有的相對這D-最優設計。
我猜測A很多的次在我們的美國能源部工作，
我們喜歡到或許看在這I-最優性標準
和甚至這A有完畢真的出色地為了我們。
在特別是，它價差它。 這是c當然不是空間填充，
但在至少它價差它出去A位元更多的比這D -最佳的。
做我們有任何想法如何那些我和A最佳的工作？
是的，我們能交換那些出去進入模擬。
一事物我們已經總是注意到，
我愛這A -最佳的設計在這非混合物環境。
它是幾乎我的預設現在。
我真的喜歡他們。
但在這混合物環境，每當我們嘗試他們，
甚至前這模擬，如果我們看在這設計診斷，
這A -最佳的絕不做作為出色地作為這D或者這我-最佳的，
和那熊出去這裡在這模擬，
那是這藍色的這裡為了這最佳的，給出我們下結果。
規則的大拇指這裡是，
不打擾和這A-最優設計為了混合物設計。
現在為了D相對我-最佳的，我們不看任何...
在這應用為了這產生功能，
我們不看任何不同之處之間他們。
然而， A原因到輕微地更喜歡這D-最優是，
那裡趨於到是一些收斂問題為了這些利納普設定
在哪裡你已經得到到掛鉤超過這一5%
和你是試到目標A舍夫立方模型在傑普,
所以我們有注意到有時一些收斂問題
為了這I-最優設計和它需要更長。
這D -最佳的，如果有不是很多的A益處，
然後它似乎到是這更安全賭注到戳和這D-最優。
現在我們不是有能力的到測試那和這模擬
因為正確的現在在傑普,
你不能腳本在舍夫立方條款進入這美國能源部
到建造一個最佳的設計。
你有到做那透過這圖形使用者介面。
我們不是有能力的到測試那，看如何常那發生，
但那是為什麼我們已經攜帶的向前
D-最優在這些模擬和我們戳和那些。
如果你想到在你的應用程式,你能嘗試兩個都D和我
和看什麼他們看喜歡
兩個都以圖形方式和和這診斷，
但這D-最優似乎到是表演出色地。
好的，我猜測只是保持拉這線A小的位元更遠是，
A很多的次出色地嘗試一些類型的A雜交種設計。
為什麼不我們開始出去和，說， 25空間填充運行，
和然後增加那和一些D-最優標準
到製作當然那我們能目標這具體的參數出於興趣？
做那工作出去漂亮的出色地？
是的，我們能模擬那和我們拿A看。
任何一個我們已經得到...
這是這相同的模擬的功能，
產生功能我們已經到過看著在為了你跑步這D-最優，
讓你運行空間填充，
或者A雜交種，在哪裡我們開始出去和25空間填充運行
和然後我們去到增加和載入在大樓15額外的運行瞄準
這第三命令模型，和什麼我們看是那現在，
我們有不重要的不同之處在條款的這最佳化
之間這40 次運行 D 最優和這雜交種設計，
但在這雜交種設計，
我們得到這益處的那些25空間填充運行。
我們得到一些內部的運行保護到合身額外的效果
和保護反對失敗沿著這邊界。
它是A小的位元更多的工作到放這向上。
出色地做這為了高的優先事項專案
因為僅有的為了那些因為那個額外的成本和時間。
但它做出現到是A有希望方法。
正確的。
幾乎你思考關於在哪裡你的最佳的是去到是，
有A好的機會它可以是在那內部的空間
那是不是填充在這D-最優沿著這邊界。
我猜測只是或許去後退，
重訪這想法的什麼如果我有A中心觀點，
什麼如果我有A觀點那我可以複製？
再次，或許在這40-跑步設計，
如果我有五更多的事物，所以只是任何其他小的掘金
那我們學到了沿著這方式和這些？
出色地，這來了向上A很多因為現在教科書將要告訴你
到添加五到七複製運行。
這科學家們是去到踢你出去如果你嘗試到做那。
A很多的次我們有到製作這爭論
到添加甚至A單身的複製跑步
因為它有優點外部的這配件
因為現在你得到A模型[聽不清楚 00:41:09]
和只是以圖形方式我們能使用那作為A診斷，
我們能看在那空氣變異數相對的到這全部的變異數
從這全部的實驗。
它是非常有用到有，
和所以它是去到是好的到有一個爭論為了你到說那，
「好的，是不是傷害你的最佳化常規
經過包括甚至A單身的複製跑步。”
那是什麼我們看這裡為了這40 次運行例子
經過強迫一的這些到成為一個複製之內風俗設計。
我們是不是得到A重要的不同之處在全部
在條款的最佳化.
它是兩者都不幫助或者傷害。
讓我們去先和做那，
所以那什麼時候我們有那額外的片的資訊去向前。
我不有這圖表這裡因為它是無聊的。
它是這相同的事物在這特別的應用，
強迫一的他們到是A中心點。
有不不同之處。
部分的那可能是在這案件，這D-最優設計曾是給予我們
A中心點或者某物關閉到A中心點。
那可能不是有到過改變這設計那很多。
你可能看A大不同之處
如果你去後退到這12 輪設計執行這中心點。
但那是這優勢的擁有A模擬框架建成向上
在哪裡你能拿A看在那
和看什麼是這實際的影響去到是為了包括那。
好的，現在如何關於...
我提及我有這大的專案和地段的限制。
會A約束或許改變一些的這結果？
出色地，我們可以可能包括這限制條件
和它是去到改變這允許地區之內這...
從圖形上看，你要去到看A改變在你的允許地區，
和我們能模擬那。
實際上，我有完畢那。
我不有這圖形向上和我正確的現在，
但什麼它做是有不是那很多一個影響， SVEM仍然做得很好。
一不同之處我們做過筆記是那跑步這模擬
和然後約束這地區有些是那這空間填充改進的
因為它是得到A較小空間到充滿和不是作為很多噪音空間，
但這D-最優將要執行
只是作為出色地之間這二和或者沒有約束。
那曾是漂亮的有趣的到看。
但全部的這適用只是作為出色地和限制條件
和沒有什麼的筆記在條款的不同之處為了分析方法和這約束，
在至少相對地簡單的那些那我們應用。
正確的，好的，是幾乎跑步短的在時間這裡，安德魯，
但我做有A憂慮。
我們有A指定錯誤設計
和我們會喜歡到裹向上
和離開這夥計們和A很少鑰匙外賣。
這是一個例子在哪裡現在這功能性的形式
做不是匹配任何的這效果是考慮到
和是相對地平坦的在這週長
在哪裡A很多的那些最佳設計將是
所以我要看看如何那作品出去。
也筆記這[聽不清楚 00:43:52]膽固醇放到A係數零
和一個真實的產生功能。
現在採取那真的功能去到概況呃輸出就在桌子
和你能看如何好的它是到是有能力的到陰謀這些事物
到看這回覆表面使用那輸出正確的在這桌子。
這是真的你的真的回覆表面，和這是你的回覆表面，
但什麼是有趣的是它看起來喜歡有一個錯覺這裡。
它看起來喜歡膽固醇是有影響力的為了你的回覆.
它看起來喜歡它影響你的回覆,但在現實這係數是零。
但這原因它看起來喜歡那是因為的這混合物約束。
那是為什麼它是難的到解析出去，
哪個這個人混合物效果真的影響你的回覆.
是不是作為擔心的關於那
正如我們現在一樣的說，什麼是A好的公式去向前？
在這環境，我們添加A小的位元的噪音，4%履歷，
哪個是用過的頻繁地在這製藥公司世界。
在這案件，這意思是是使用是這意思是在這最大限度，
哪個在這案件是一，
和然後也A很多更多的極端40%簡歷。
這看起來更多的喜歡A聲納
和他們是試到尋找泰坦尼克號或者某物。
希望沒有任何的你的製藥公司應用看喜歡這，
但我們只是想到看在這極端案件如何事物工作出去。
什麼我們看是在這小的12 輪例子
和相對地小的過程變化是流程加散文變化
是這些基線設計去出去和SVEM,全部相同方法，
和然後如果我們去向上到40 跑，
這空間填充不是有能力的到保持向上作為出色地，
但 D 最優將要真的做現在好多了，
甚至儘管它是相對地平坦的出去那裡和這尺寸在哪裡最多的這運行是，
它是有能力的到挑選向上這簽名的這表面這裡。
現在，這是這不同之處之間這滿的模型
和然後這空間填充和D-最佳的。
不是作為大的的A不同之處為了這SVEM方法，
但你做仍然有A很少尾巴點向下這裡。
然後他們是全部不是表演作為出色地作為這SVEM線性，
甚至儘管這SVEM線性
是僅有的近似那曲率為了那回覆表面。
如果我們去向上到這極佳的吵雜看法，不一做A真的好的工作，
但仍然你的僅有的機會與這空間填充接近。
但然後什麼時候我們去向上到這更大樣本尺寸，
甚至在這臉的全部這流程變化，流程噪音，
是現在這選項曾是有能力的到彈跳出去超過那噪音更好的
和是有能力的到製作更好的使用的那些運行比這空間填充。
A夫妻的考慮因素那裡。
什麼是你的跑步尺寸？ 如何飽和的是你的模型？
如何很多過程變化做你有相對的到你的過程的意思是，
去進入這平衡的這空間填充相對最佳的。
如果我們拿A看在什麼是這坦白最佳的點
是得到出去的這空間填充相對最佳的。
我是對不起，為了這空間填充，
然後什麼我們看是是在目標為了這是可電離的和幫手。
是在目標為了全部的我們的方法除了為了這些最後的和不截距。
他們是絕不在目標，
他們是總是推動你離開某處別的。
你能看以圖形方式如何那缺少的截距。
現在，如果我們允許這截距，那我們就是在目標。
那真的是重要的到取消選取那不截距選項為了套索。
為了全部這人們那是不是使用聯合管理計劃專業版
和不有SVEM，
你可能說，出色地，好的，什麼是你的模擬？
這裡，什麼是更好的？ AICc,相對銀行國際代碼,相對P 值。
很遺憾，只是使用這數位的模擬我們已經跑步，
有不是作為持續的方法作為那裡是和SVEM。
如果你已經得到A大的數位的運行，哪裡有要么指定
或者正確地指定的或者指定錯誤，這向前或者落後AICc做出色地。
滿的模型做更差，然而在這較小環境，
這滿的模型做更好的因為全部那些條款是相關的。
也這P 值這裡，也。
現在，你看， 0.01做這最糟糕的是， 0.01做這最好的在大的環境。
不是一致性，您使用什麼 P 值？
0.01、0.05、0.1 。
這P值從這看法是一個未調整的最佳化範圍，
所以或許最好的到避免那和戳和這AICc
如果你是在根據JMP。
然而，我們有見過現在那
SVEM方法為了這些最佳化問題
做給你幾乎普遍地更好的解決方案
比這單身的射擊方法。
你能得到更好的解決方案和JMP P羅,和SVEM。
偉大的。
我猜測我們想到只是裹向上。
一些的這鑰匙發現這裡，安德魯。
是的，和也,吉姆，任何其他評論？
做你有任何其他評論也關於這些最佳化問題或者任何事物？
有趣的事物我們已經見過最近？
我們有，是向上反對時間為了當然，但我們已經完畢一些漂亮的驚人的事物
那我們已經來向上和新的工程化的木材
那是更好的比它是曾經到過
和推進劑那是擁有身體的特性
和表現那我們沒有見過前。
我們有採取A步，
A飛躍在條款的一些的這能力
那我們已經見過在我們的混合物模型。
能我們總結和這突出顯示子彈向下那裡，
那SVEM似乎到是我們的方式到去，
和如果你僅有的有一或許SVEM向前選擇，
你會是覆蓋漂亮的出色地。
是的，那是正確的，因為我是總是害怕的。
甚至儘管這最後的有時套索它看起來較少的和截距，
有時它看起來輕微地更好的。
我不知道如果它是或許一或者二案例是顯著地更好的，
但總是脖子和脖子和向前選擇，
但我是總是害怕的那我是去到忘記到轉動離開不截距
和然後給我某物那是更差比正在做
或者作為壞的作為正在做這滿的模型。
我是總是害怕的的正在做那。
SVEM向前選擇和德過錯環境似乎喜歡A好的安全的方式到去。
完美的。
出色地，和那，我們站立準備好到拿你的問題。
