测试乍一看多级分类因素的选项时提高效率和模型适用性领域西尔维奥·米乔,宝洁公司
资深科学家
在测试乍一看是多级分类因素的选项时提高效率和模型适用性领域
当测试不同原材料或配方成分等选项时，常见的做法是将它们作为多级分类变量进行变化，例如 A、B、C…。在一个实验中。 因此，为了确定最佳选择，必须对所有选项进行测试。 这样做的一个后果是
- 需要进行耗时的物理测试，并且
- 所得模型仅适用于预测已测试的选项，而无法预测未测试的选项
一种更有效的方法是根据每个选项的物理/化学特性来设计实验。 这，
- 显着减少所需实验条件的数量
- 结果是一个可以预测之前未测试过的选项的模型。
该演示将演示如何：
- 通过主成分压缩描述选项属性的可用信息
- 根据实验设计选择“盒子的角落”来测试代表性原材料。
- 通过 PLS 对数据建模
- 找到整体最优解
- 确定最接近计算出的最佳解决方案的物理可用选项
- 展示了这种方法的效率
请注意，此处显示的内容基于化学计量学中常用的方法，称为定量结构 - 活性关系 (QSAR)。
实验设计预测建模回复：在测试乍一看多级分类 F 的选项时提高效率和模型适用性领域做得好。回复：在测试乍一看的选项时提高效率和模型适用性领域Silvio，我参加了你的演讲，非常棒！ 以马内利
回复：提高效率和模型适用性......西尔维奥的精彩演讲！
BR
史蒂芬·布兰登霍夫
尼恩公司
Re: Increase Efficiency and Model Applicability Domain When Testing Options That Are at First Glance Multilevel Categorical F演示如果有中文字幕就更好了！
