大家好，
我一直在收集关于 FDE 的想法、问题和答案、一些用例和开放问题。 当前线程有关 FDE 的更多背景（ https://community.jmp.com/t5/JMP-SE-Discussions/FDE-maths-behind-fitting-options/mp/662515#M6331 ) 也表示对该主题的兴趣。
在销售了一次用于 FDE 的 JMP Pro 后，我全年都遇到了一些困难。 其中之一肯定是 FDE（一般为 FDA）似乎广为人知（我主要代表化学品客户）。 激发潜在客户的兴趣很容易，但实际销售它仍然是一个挑战（至少对我来说是这样；））。 我认为更好地了解它可以提供什么、它是如何工作的等，以便更好地、更频繁地向客户推广它，将会非常有帮助。
我的建议是我们收集用例、问题和答案、生活前后故事以及理论背景或培训材料（用于 SE 教育）等其他内容的位置@Di_Michelson 
。
首先：一个用例是“使用 Python 进行半自动峰值拟合”。
之前的情况：
|
科学家们在很长一段时间内收集了许多样本。 测量结果产生了类似光谱的曲线，其形状和峰数量看起来非常不同，具体取决于样品特性。
科学家目视评估不同的形状，并尝试手动拟合曲线形状特征。 问题在于峰的数量不同，必须首先确定这些峰的数量。 分析后，输出结果并不容易理解。 数据科学家可以用Python分析数据，但这不可扩展，因为这是以牺牲自己的工作进度为代价的。
|
之后的情况：
|
在 FDE 中分析数据可显示即时结果（实际上在 2 分钟内），因为峰和形状会自动分析并与样品的特征相关联。 只要使用Profiler，他们就能立即看到他们想要的东西。
无需培训，科学家就可以立即将见解与相应产品的特性联系起来。
|
个人胜利：
|
- 更快更好的洞察，更好的发展成果
- 更容易解释和传达结果
- 无需在软件包之间切换
- 无需等待专家/数据科学家
|
商业胜利：
|
- 更快更好的洞察
- 无需数据科学家咨询
- 更具可扩展性的解决方案
- 标准化输出
- 一款软件可完成多种任务
|
我很好奇您对这个想法有何看法以及您还有什么其他想法！
来自德国海德堡的最诚挚的问候
弗洛里安
感谢您开始这次讨论弗洛里安。 我认为开发一个故事库以及常见问题和解答会很棒。 正如您所说，我们的用户并不熟悉 FDE，他们通常需要比我们目前能够提供的更多有关该方法的保证和详细信息。
