你好，每個人。 謝謝為了未來到我們的視頻。 我的姓名是瑞安帕克，和今天我是去到展示和黏土巴克關於一些新的工具那我們有添加到分析光譜數據和這功能性數據探險家在聯合管理計劃專業版17.第一的，我只是通緝到開始離開和一些的這激勵的數據套那引領我們到添加這些新的工具。 他們是真的有動力經過這些化學計量學應用程序，能確實是應用到其他地區，但為了例子，我們有這光譜學數據在哪裡這第一的事物你可能注意和這是我們已經得到A很多的數據點採樣,但我們也有一些非常鋒利的峰在我們的數據。那是去到是A再次發生的主題在哪裡我們有A需要到真的確認這些鋒利的特徵那這現存的工具我們有在聯合管理計劃是A小的難的到真的捕獲那些。 為了例子，是思維關於作品的材料或者如何我們能探測生物標誌物和數據。 這些是三光譜的例子那出色地看在。
其他例子的數據那是的興趣是這大量的光譜測定法數據。 這裡是思維關於A大量的到收費比率那我們能使用到構造A光譜在哪裡這峰在這光譜，他們是代表蛋白質那是的興趣在這區域的應用。一例子是比較這些光譜之間不同的患者，說A病人和癌症或者A病人沒有，和這地點的這些蛋白質是非常重要的到確認差異在這些二組。
其他例子是色譜法數據。 這裡我們能思考關於是使用一些化學混合物超過，是使用A材料那是去到幫助我們量化相對的金額的這各種各樣的成分那是在這些混合物。 經過使用這保留時間在這過程，我們能嘗試到確認這不同的成分。 為了例子，如果你沒有知道這，我曾是不是意識到的直到我開始了到工作和這數據，試到模仿橄欖油是A大的交易。 我們能使用這些數據套到數字出去，好的，什麼是A真的橄欖油，或者什麼是只是一些其他蔬菜油那某人可能是試到經過離開作為一個橄欖油？
這第一的事物我想到做是去通過一些的這新的預處理選項那我們已經添加到幫助工作和光譜數據前我們得到到這造型階段。 我們有A新的工具被稱為這標準普通的變量， A乘法分散更正在哪裡你有如果你有光分散在你的數據，這薩維茨基-戈萊濾波器，哪個是這平滑化步什麼時候你有光譜數據那出色地得到進入。最後， A新的工具到履行A基線更正為了這數據到消除趨勢那你是不是真的感興趣的在那你想到得到出去第一的。
好的，所以什麼是標準普通的變體？ 現在在傑普,我們有這能力到只是標準化你的數據在FDE。 但什麼時候你使用那工具，它是只是採取這意思是的全部的這功能和A全球的方差和縮放它那方式，但和標準普通的變體，是思維關於這個人方法和差異的每個的這功能到標準化和消除那些效果前我們去到分析。 每當我是在這正確的這裡，後表演這標準普通的變體，我們能看，好的，那裡曾是一些全面的方法和現在他們是全部一起和任何過量的方差是採取出去前我們去到分析。
乘法的分散更正是這下一個步，和它是一個選擇到標準普通的變體。 在一些案例你是思維你是去到... 每當你使用它，你可能結尾向上和相似的結果。 這不同之處這裡是這動機為了使用乘法的分散更正。 那是什麼時候你有光分散，或者你思考你可能有光分散因為的這方式那你集這數據。
什麼發生是為了每一個功能，是去到合身這簡單的線性模型在哪裡我們已經得到A坡和一個截距，和是去到使用那些估計的係數到現在標準化我們的數據那是去到工作和。 我們減去離開這截距和劃分經過這坡，和現在我們有這標準化版本。 A獲得，你能結尾向上和相似的結果作為標準普通的方差。
現在這下一個預處理步我是去到覆蓋是這薩維茨基-戈萊濾波器。 什麼時候你有光譜數據，前我們得到到這造型階段，這新的造型工具我們有，他們是發達在這樣的A方式那他們是試到挑選向上全部這重要的件的這數據。 如果你有噪音，我們需要到做A步在哪裡我們光滑的那第一的。 那是在哪裡這薩維茨基-戈萊濾波器來了在。什麼是正在做是是去到合身一個結尾-程度多葉期超過A指定的帶寬那我們能選擇到幫助嘗試到消除任何噪音從這數據。 在頻域DE,現在，是去到去先和選擇那些最好的參數為了你，這程度和這寬度到嘗試到最小化這模型錯誤那我們得到。
一事物我做想到觀點出去是那我們做要求A常規的網格到給我們這手術，哪個將要來向上再次在這未來，但頻域DE是去到創造一為了你。 我們也有這減少網格選項可用的如果你想更精細控制第一的前你依靠在我們製作那選擇為了你。 這好的事物關於這薩維茨基-戈萊濾波器是因為的這方式這模型是合身，我們現在有使用權到衍生物。 這是某物那有來向上事先的到光譜數據，和現在那我們有這，我們已經得到A好的方式為了你到使用權和工作和造型這些衍生物功能。
這最後的一我想到覆蓋是這基線更正。 什麼基線更正是正在做是它是思維關於那裡可能是全面的趨勢在我們的數據那我們想到得到擺脫的。 這數據放在這正確的有只是A非常小的差異喜歡線性不同之處在這功能。 什麼是思維關於是，好的，我們不真的想到關心關於那，我們想到得到擺脫的它。 什麼這工具是去到允許你到做是選擇這基線模型那你想。我n這案件，它是只是A真的簡單的線性模型，但你可能有一些在哪裡你已經得到指數或者對數趨勢那你想到得到擺脫的。 和所以我們有那可用的。然後你能選擇你的更正地區。
為了這最多部分，你是去到想到正確的這全部的功能，但它可能是可能的那或許僅有的這開始或者這結尾的這功能是在哪裡你想到正確的。 我們結尾向上和這些基線地區那是這些藍色的線。 如果我們點擊這添加按鈕，它會給我們A一對的藍色的線。 是去到拖這些大約到部分的這功能那我們相信是真實的。 全部這峰在這些數據是某物那我們不真的想到觸碰。 這是這部分的這功能那我們想到保持和分析和是去到給這信息那是感興趣的在。 也如果你選擇這之內地區，任何事物那是之內這些地區是什麼將要得到已更正。 你是任何一個去到做一或者這其他，正確的？ 你是去到任何一個離開它獨自的或者你是去到改變僅有的之內那在那些數據套。
最後，你不看它這裡，但你能也添加錨點。 它可能是，取決於在你的數據，簡單的到只是指定A很少點那你知道這描述這全面的趨勢。 什麼時候你點擊添加，你會得到A紅色的線，和那是去到告訴你這，無論在哪裡我拖那線，它是確實去到是包括在這模型前我正確的這基線。什麼時候你點擊好的這裡，你會只是結尾向上和A新的數據放那有這趨勢已刪除。
好的，所以那帶來我們到這造型階段。 什麼我們已經添加為了聯合管理計劃專業版17 號是小波楷模。 好的，所以什麼是小波楷模？ 他們是基礎功能楷模，不是喜歡任何事物我們有現在在傑普,但他們能有非常戲劇性特徵。 什麼這些特徵是正在做是幫助我們挑選向上這些鋒利的峰或者這些大的變化在這功能。 我們也有這簡單的哈爾小波,哪個是只是A步功能。 如果它輪流出去那某物真的簡單的是喜歡這步功能適合最好的，我們將要給你那作為出色地。 你能看我們有A很少不同的選項那是真的...如果你思考關於彎曲這些小波和拉伸他們出去，那是如何我們是造型這數據到真的挑選向上全部這些特徵的興趣。
到只是激勵那，我想到展示你這當前的去-到在傑普,哪個是A B-樣條線模型，哪個有A非常難的時間採摘向上在這些特徵沒有任何手-調整。 B-樣條線模型是正在做A小的少量更好的。 它仍然有一些問題採摘向上這峰,但它可能在一些方法是這最好的。 直接的功能性的主成分分析,正在做幾乎作為好的作為P一sp線，但不是相當。 然後我們有小波。 是真的採摘向上這峰這最好的。在這特別的數據放，它是不是配件他們完美，但我們會思考看著在診斷，這小波模型是確實這一我們會想到去和。
再次，我們有這些五不同的小波模型類型，和什麼是去到做是出色地合身全部這些為了你所以那你不有到擔心關於採摘和選擇。 外部的這哈爾小波，全部的這其他小波類型有A範圍。 我們有A網格那我們是去到搜索超過為了你在添加到這類型。
現在它可能是可能的那那裡是一些案例在哪裡用戶有說，嘿，這特別的小波類型是確切地如何我的數據應該是代表,所以你能改變這默認模型，但經過默認，是去到挑選這模型那是去到優化這模型選擇標準，這美國鋼鐵協會。 真的什麼你能思考關於這裡是那裡可以是潛在地A很多的參數在每一個一的這些小波楷模。 是有效地使用A套索模型到嘗試到消除出去任何參數那真的只是不是配件這數據。我們得到A疏表示，不事情這小波模型。我們鋸這早些時候在哪裡我們有到有我們的數據在這網格。 它是這相同的事物和小波。 如果你只是開始去通過這小波楷模和你的數據是不是在這網格，出色地創造一為了你。 但再次，只是通緝到觀點出去你能使用那減少網格選項到有更精細控制。
好的，所以某物別的那我們展示那能幫助給你一些洞察力進入如何這些楷模工作是這係數陰謀。 什麼它是講述我們是這X軸是這普通的X的這輸入空間的你的功能，但這是軸是這解決。這些頂部決議這裡，你是思維關於全面的方法。 作為我們得到進入這些高的決議，這些是這事物那是正在發生真的關閉一起。 A紅色的線方法它是A消極的係數。 藍色的方法它是積極的。 他們是縮放的所以那他們是全部可解釋的反對每個其他。 這最大的線給你這主意在哪裡這最大的係數是。我們能看那這更高頻率項目是真的這裡在這結尾的這功能。 我們有一些全面的趨勢，但只是某物到思考關於那這些小波楷模是看著在不同的決議的你的數據。
某物別的那我們已經添加前我們得到到我們的演示和黏土是小波美國能源部。 在頻域DE,我們有A功能性的美國能源部那是在職的和功能性的主要的成分。 如果你不知道那些是，那是好的。 全部你需要到知道是那和小波，我們有係數為了全部的這些小波功能。 在這美國能源部分析，是思維關於造型這係數直接地。 這解決告訴你一個主意的如果它是A高的-頻率物品或者低的-頻率物品。 然後這數字在這括號是講述你這地點。 你能思考，好的，這些項目這裡是在這三人組，和那是在哪裡一些的那最高特徵是那我們鋸在那係數陰謀。那些有什麼是呼叫這最高活力。
活力在這案件是只是... 如果我們分數全部這係數，我們添加他們向上，你能思考的那存在作為這全部的活力。 所以這活力數字這裡是A相對的活力和給予你一個主意的如何很多活力它是解釋在這數據。 這好的事物真的關於使用這係數方法是這些有直接的解釋正確的到這地點和到這解決。 一個選擇那你能嘗試和比較反對功能性的主成分分析或者功能性的美國能源部如果你有這可解釋性的這係數。 現在我思考患病的手它超過到黏土。 他是得到A演示為了你到看如何你使用這些楷模在聯合管理計劃親。
謝謝，瑞安. 讓我們拿A看在一個例子那我們成立。 瑞安提及簡要地這橄欖油數據放那我們成立。 它是A樣本的120不同的油。 最多的他們是橄欖油類，一些的他們是混合或者蔬菜油。 什麼我們通緝到看是，能我們使用這高的-表現液體色譜法數據？ 能我們使用那信息到分類這油？ 能我們看在這譜和說這是一個橄欖油或者這是不是一個橄欖油？
這些數據來了出去的A學習從A大學在西班牙，和瑞安和我學到了A很多關於橄欖油在這過程。 為了例子，橄欖油是實際上A水果果汁，哪個我做過不是知道。 讓我們拿A看在我們的數據。 每個排在我們的數據放是A不同的橄欖油或者其他油，和這行代表這光譜。 出色地使用這功能性數據探險家，和它會拿只是A第二到合身這小波楷模。 是你會看這裡，我們合身我們的不同的小波。 作為瑞安提及早些時候，我們嘗試A少數的不同的小波和我們給你這最好的一。
在這案件，這西姆萊特20曾是這最好的小波在條款的如何出色地它適合我們的數據。 我們能看這裡在哪裡我們已經重疊的這些已安裝小波和這數據那這小波模型適合真的出色地。 L等的說你有A首選小波功能那你通緝到使用反而，你能總是點擊大約在這報告和它會更新哪個小波是使用。 如果我們通緝這西姆萊特10反而，全部你有到做是點擊在這排在這桌子，和出色地轉變到這西姆萊特10反而。 讓我們去後退到這20和出色地拿A看在我們的係數。
在這小波報告，我們有這桌子的小波係數。 作為瑞安曾是說早些時候，這些給我們信息關於在哪裡這峰是在這數據。 這更遠小波,我們思考關於那喜歡一個截距，所以那是喜歡一個全面的意思是。 然後每一個一的這些小波係數和A解決是... 它線向上和A不同的部分的這功能。 這解決一是這最低頻率解決，和它去全部這方式向上到解決12.這些是很多更高頻率決議。
作為你能看，我們已經歸零A很多的這些出去。 在事實，這所有的堵塞的小波係數是歸零出去。 那只是去到展示那是平滑。 如果我們用過的全部的這些決議，它會重新創造這功能完美，但我們零他們出去和那給出我們A很多更順暢功能。 我們合身這小波模型到我們的光譜和我們思考我們有A好的模型。 讓我們拿這些係數和是去到使用這些到預測無論或者不是一個油是橄欖油。 我有得到那在A不同的數據放。
現在我有進口的全部的那些小波係數進入A新的數據放和我有合併的它和什麼類型的油它是。 它是任何一個橄欖油或者它是其他，和我們已經得到全部的這些小波係數那是去到使用到預測那。 這方式我們做那是使用這廣義的回歸平台。 是去到模型這類型使用全部的我們的不同的小波係數。 自從它是A二進制回复，我們選擇這二項式分配，和是感興趣的在造型這可能性那一個油是橄欖油。 因為我們不想到使用全部的那些小波係數，是去到使用這套索到做多變的選擇。
現在我們已經用過的這套索和我們已經得到A模型和只是14參數。 的全部的那些小波係數那我們經過考慮的為了我們的模型，我們僅有的真的需要的14的他們。 我們能拿A看，我們已經歸零出去A很多的那些小波係數。 讓我們拿A看在這錯亂矩陣。 使用我們的模型，我們實際上完美預料到的無論或者不是一的這些油類是一個橄欖油或者它是某物別的。 那是漂亮的好的。我們拿我們的小波係數和我們已選擇這13最多重要的因為一的那些14參數是這截距。 我們僅有的需要的13的那些小波係數到預測哪個油我們有。
在事實，我們能拿A看在在哪裡那些小波係數落下在我們的功能。 什麼我們有這裡是我們有這平均的橄欖油光譜蛋白藍色的和這其他油類在紅色的，和每個的那些虛線線線向上和這係數那我們用過的。 一些的這些真的製作A很多的感覺。 為了例子，這是一的這小波係數那是重要的，和你能看那有A大的不同之處在這橄欖油痕跡和這其他油。
同樣地，超過這裡，我們能看那有A大的不同之處之間這二那裡。 你能看通過和看那A很多的這些地點真的做製作感覺。 它使感覺那我們能使用那部分的這曲線到辨析之間這不同的類型的油。 我們只是想法那曾是A真的涼爽的例子的使用小波到預測某物別的。 不是那橄欖油不是樂趣，但瑞安和我兩個都有年輕的孩子們和是兩個都大的粉絲的這世界。
我們也成立A新的世界數據放在哪裡某人有記錄的等待次為了一的這受歡迎的遊樂設施在迪士尼世界。 它是被稱為這七矮人頭腦火車。 它是A滾筒杯墊在迪士尼世界。 有人有記錄的等待次自始至終這天為了一些年值得的數據。 我也提及這些是A子集的這數據。 一的這問題是這公園是打開為了不同的金額的時間每個天，和一些的這觀察是丟失的。 我們子集它向下和得到它到A更多的易於管理的數據放。 我會說那這例子是啟發經過真實的數據，但它是不是確切地真實的數據一次我們按摩的它A小的少量。
如果我們圖形我們的數據，我們能看... 這水平的軸這裡是這時間的天，和這垂直的軸是這等待時間。 在這中間的這天，這等待時間為了這騎趨於到是這最高。 我們能看大約在不同的天的這星期。 星期日，週一是A小的少量更多的忙碌的。 週二是A小的較少的忙碌的，週六是這最多忙碌的。 我們能做這相同的事物看著在這年。 這是2015年， 2016年， 2017年。 它看起來喜歡每一個年它是得到更長和更長等待次直到某物發生在2021 年。 我思考我們全部知道為什麼等待次在一個娛樂公園會是較少的在2021 年。我們已經得到一個主意那你能使用這信息，喜歡天的這星期，年和月，到預測什麼那等待時間曲線將要看喜歡。 讓我們看如何我們做那在FDE。
患病的只是跑步我的腳本這裡。 什麼我們已經完畢是出色地來到這菜單和問到合身我們的小波模型。 它需要只是A第二，但真的不是那長的到合身一些年值得的數據。這時間是不是使用這西姆萊特不再了。 是使用這多貝希斯小波功能。 什麼瑞安提及早些時候曾是這小波美國能源部特徵。 現在，什麼我沒有展示曾是那我們已經也已加載時間的這天的這星期和這年和這月在這FDE。 是去到使用那些變量到預測這小波係數。 讓我們去到這紅色的三角形菜單和出色地問為了小波美國能源部。
現在，什麼是正在發生在後面這場景是是使用天的這星期，月，和年到預測那些小波係數，和然後我們放它全部後退一起所以那我們能看如何這預料到的等待時間變化作為A功能的那些補充變量。 現在，的課程，我們總結它在A好的分析器。 我們能真的迅速地看這效果的月。 如果是只是去經過這平均的等待時間的這特別的騎，我們能看那九月趨於到有這最低等待時間。 我們能真的迅速地看這嚴重特殊傳染性肺炎影響。 這等待次是這裡在2019年，和然後什麼時候我們去向前到2020年，他們真的掉了。 你能看大約到看哪個天的這星期趨於到是較少的忙碌的，哪個月較少忙碌的。我的真的A涼爽的方式到看在如何這些等待次改變作為A功能的不同的因素。 感謝你為了觀看。 那是全部我們有為了今天和我們希望你會給這小波特徵在頻域DE A嘗試。 謝謝。
