測試乍一看多級分類因素的選項時提高效率和模型適用性領域西爾維奧·米喬,寶潔公司
資深科學家
在測試乍一看是多級分類因素的選項時提高效率和模型適用性領域
當測試不同原材料或配方成分等選項時，常見的做法是將它們作為多級分類變量進行變化，例如 A、B、C…。在一個實驗中。 因此，為了確定最佳選擇，必須對所有選項進行測試。 這樣做的一個後果是
- 需要進行耗時的物理測試，並且
- 所得模型僅適用於預測已測試的選項，而無法預測未測試的選項
一種更有效的方法是根據每個選項的物理/化學特性來設計實驗。 這，
- 顯著減少所需實驗條件的數量
- 結果是一個可以預測之前未測試過的選項的模型。
該演示將演示如何：
- 通過主成分壓縮描述選項屬性的可用信息
- 根據實驗設計選擇“盒子的角落”來測試代表性原材料。
- 通過 PLS 對數據建模
- 找到整體最優解
- 確定最接近計算出的最佳解決方案的物理可用選項
- 展示了這種方法的效率
請注意，此處顯示的內容基於化學計量學中常用的方法，稱為定量結構 - 活性關係 (QSAR)。
實驗設計預測建模回复：在測試乍一看多級分類 F 的選項時提高效率和模型適用性領域做得好。回复：在測試乍一看的選項時提高效率和模型適用性領域Silvio，我參加了你的演講，非常棒！ 以馬內利
回复：提高效率和模型適用性......西爾維奧的精彩演講！
BR
史蒂芬·布蘭登霍夫
尼恩公司
回覆：在測試乍看多層分類 F 的選項時提高效率和模型適用性領域示範如果有中文字幕就更好了！
