https://www.jmp.com/en_us/whitepapers/book-chapters/infoq-support-with-jmp.html
レベル: 中級
ロン・ケネット氏、KPA グループ会長、テクニオン社サミュエル・ニーマン研究所
Christopher Gotwalt 氏、SAS 統計研究開発担当 JMP ディレクター
計画された実験から一般化回帰から機械学習に至るまで、データ分析は加速度的に導入されています。同時に、結果の再現性や p 値の解釈の誤りに関する懸念は、善意の統計分析が誤った結論や間違った決定につながる可能性があることを示しています。データ分析プロジェクトがその目標を適切に達成するには、利用可能なデータとツールから導き出される結論の範囲と強度を評価する必要があります。統計戦略に焦点を当てるには、プロジェクトのコンポーネント (目標、データ収集手順、データ プロパティ、提供される分析など) を分離するフレームワークが必要です。InfoQ フレームワークは、この評価を行うための構造化された手順を提供します。さらに、JMP で InfoQ を運用するのは簡単です。このプレゼンテーションでは、InfoQ の概要を、消費者調査と医薬品製造から得たユースケーススタディとともに提供し、JMP を使用して InfoQ を評価する方法を説明し、InfoQ の高低両方の状況を強調します。また、必ずしもより多くのデータを取得することなく、JMP を使用して研究デザインを強化し、情報の質を向上させる方法を示すヒントも提供します。この講演は、数値を情報に変えることを仕事とする統計学者、機械学習の専門家、データ サイエンティストを対象としています。
自動生成されたトランスクリプト...
|
スピーカー
|
成績証明書
|
| |
こんにちは。 |
| |
私の名前はロン・ケネットです。これ |
| |
クリスとの共同トークです |
| |
ゴトワルトと私たちは基本的に |
| |
メッセージが 2 つあります |
| |
それはから出てくるはずです |
| |
話す。 1 つは、次のことです。 |
| |
本当に心配する |
| |
情報と情報 |
| |
品質。人は話す傾向があります |
| |
データとデータ品質についてですが、 |
| |
データは実際には問題ではありません。 |
| |
私たちは統計学者です。私たちは |
| |
データサイエンティスト。私たちは数字を回し、 |
| |
データを情報に変換することで、 |
| |
私たちの目標は、それを確認することです |
| |
私たちが高品質を生み出すこと |
| |
情報。他のメッセージ |
| |
JMP がお手伝いできるということです |
| |
それを達成すると、これは |
| |
実際に存在していることが判明 |
| |
驚くべき方法。そこで組み合わせることで |
| |
Chris の専門知識と |
| |
情報の紹介 |
| |
品質、私たちはこれら 2 つを願っています |
| |
メッセージが伝わってくるだろう |
| |
明らかに。それで、もし私がしなければならないとしたら |
| |
私たちが何であるかを要約します |
| |
結局のところ、話したいのは、 |
| |
すべては情報です |
| |
品質。で講演させていただきました |
| |
4年ぶりのプラハサミットにて |
| |
前にその話は一般的でした。 |
| |
移動することについて話しました |
| |
デザインによる品質への旅。 |
| |
情報を行う私の旅 |
| |
品質。この講演で焦点を当てるのは、 |
| |
これをどのように行うことができるかについて |
| |
JMP。これはさらに詳しいです |
| |
技術的な話よりも |
| |
プラハで行った一般講演。 |
| |
そのトークを見ることができます。 |
| |
ここにリンクがリストされています。あなたはできる |
| |
JMP コミュニティで見つけてください。 |
| |
それで、私たちはについて話します |
| |
情報の質、つまり |
| |
データセットの可能性、 |
| |
特定のデータセットを達成するために、 |
| |
特定の目標、特定の目標、 |
| |
与えられた経験的方法を使用して。 |
| |
したがって、その定義では次のようになります |
| |
という 3 つのコンポーネント |
| |
リストされています。一つはあるデータ |
| |
セット。データは次のとおりです。の |
| |
2つ目は目標ですが、 |
| |
分析の目的、何を |
| |
それは私たちが達成したいことなのです。 |
| |
3 つ目は、どのようにするかです。 |
| |
それを、つまり、何を使って行うか |
| |
これから生成するメソッド |
| |
情報とその可能性 |
| |
で評価されることになる |
| |
効用関数。そして私はそうします |
| |
～の紹介から始める |
| |
情報の質、そして |
| |
クリスが引き継ぎますが、 |
| |
ケーススタディについて話し合い、そして |
| |
を実行する方法を示します |
| |
情報品質の評価。 |
| |
最終的にはこうなるはずです |
| |
JMPはどのように質問に答えますか |
| |
InfoQ をサポートします。 |
| |
箇条書きになります |
| |
あなたができること...ポイントを奪うことができます |
| |
話から。のセットアップ |
| |
これは私たちが奨励していることです |
| |
私がライフサイクルビューと呼んだもの |
| |
統計の。言い換えると、 |
| |
データ分析だけではありません。 |
| |
私たちは知っておくべきです...私たちは参加すべきです |
| |
問題の引き出しの |
| |
段階。また、目標は |
| |
策定段階、それに値する |
| |
話し合い。私たちはすべきです |
| |
明らかにそれに関与している |
| |
データ収集スキームの場合 |
| |
実験を通して、または |
| |
調査または観察を通じて |
| |
データ。それなら私たちも取るべきです |
| |
を策定する時間 |
| |
調査結果を引き出すだけではなく |
| |
にレポートを印刷 |
| |
回帰係数 |
| |
見積もりとその |
| |
重要ですが、そうすべきです |
| |
とは何かについても議論します |
| |
調査結果は？の運用化 |
| |
調査結果の意味、わかりました、何ができるでしょうか |
| |
これらの調査結果はどうですか？とは何ですか |
| |
の影響 |
| |
調査結果は？これは... |
| |
に伝える必要がある |
| |
適切な人材を適切な方法で、 |
| |
そして最終的には |
| |
影響評価を把握し、 |
| |
OK、これはすべて完了しました。何があるか |
| |
私たちの付加価値です |
| |
仕事？人生について話しました |
| |
統計のサイクルは数年 |
| |
前。これが前提条件なのですが、 |
| |
何に対する視点 |
| |
について話したい。だから私としては |
| |
言及された情報 |
| |
品質とは、 |
| |
を達成するための特定のデータセット |
| |
与えられたものを使用した特定の目標 |
| |
実証的な分析手法。これ |
| |
4 つの方法で識別されます |
| コンポーネント |
目標、データ、 |
| |
分析方法と、 |
| |
ユーティリティ対策。だから、 |
| |
数学的表現、 |
| |
f を x に適用するユーティリティ、 |
| |
ゴールの条件、それが私たちのやり方です |
| |
InfoQ、情報を特定する |
| |
品質。これは、 |
| |
王立統計協会 |
| |
2013年のシリーズAは8試合 |
| |
討論者なので十分でした |
| |
議論しました。と思った人もいました |
| |
これは素晴らしかったし、 |
| |
人々は多くの批判を行った |
| |
そのアイデアなので、これはより広いものです |
| |
範囲の考慮事項 |
| |
統計についてです。私達も |
| |
2006年に書いた、私たち自身との出会い |
| |
そしてガリット・シュムエリ、という本 |
| |
情報の品質。そして、 |
| |
情報のコンテキスト |
| |
品質と呼ばれるものをやりました |
| |
脱構築。デビッド・ハンドは |
| |
「脱構築」という論文 |
| |
統計の。これは |
| |
情報の解体 |
| |
品質を 8 つの次元に分割します。私 |
| |
これら 8 つの次元をカバーします。 |
| |
それがこの話における私の役割であり、 |
| |
それからクリスがこれがどのように行われるかを示します |
| |
特定の環境で実装されている |
| |
ケーススタディ。 |
| |
関連する別の側面 |
| |
これは私が持っている別の本です。 |
| |
これは最近、1年前のことです |
| |
タイトルは「データの実際の働き」 |
| |
科学と私たちは何について話しますか |
| |
データの役割です |
| |
組織内の科学者や |
| |
その文脈で私たちが強調したのは、 |
| |
データサイエンティストの必要性 |
| |
世代に関わること |
| |
情報を...情報として |
| |
～の目標を満たす品質 |
| |
組織。それで、させてください |
| |
8つの次元をカバーします。それは |
| |
それが私の紹介です。の |
| |
1 つ目はデータの解像度です。私たちは |
| |
目標がある。わかりました、そうします |
| |
インフルエンザのレベルを知りたい |
| |
なぜなら、国や地域では |
| |
私たちが住んでいる地域、なぜなら |
| |
～に関する私たちの決定に影響を与えるだろう |
| |
どこの公園に行くかどうか |
| |
人に会うかもしれないし、行くかもしれない |
| |
ジャズコンサートへ。そしてそれ |
| |
コンサートは明日です。 |
| |
CDC データを調べてみると、 |
| |
インフルエンザのレベル、そのデータは |
| |
毎週更新されるので、 |
| |
グラフの赤い線は |
| |
あなたの目の前にあるので、私たちは |
| |
数日分のデータを取得できる |
| |
前、良いかもしれない、良くないかもしれない |
| |
私たちの金には十分だ。グーグルインフルエンザ、 |
| |
これは検索に基づいています |
| |
インフルエンザ関連を更新しました |
| |
一時的になので更新されます |
| |
オンラインでは、おそらく与えられるでしょう |
| |
より良い情報を提供します。だから、 |
| |
私たちの目標、青い線、 |
| |
Google トレンド...Google インフルエンザ |
| |
トレンド指標はおそらく |
| |
より適切な。二番目 |
| |
ディメンションはデータ構造です。 |
| |
目標を達成するために、私たちは次のことを行います |
| |
データを見てください。私たちは...私たちがすべきです |
| |
データソースを特定する必要があります |
| |
これらのデータの構造 |
| |
ソース。したがって、一部のデータは |
| |
テキスト、ビデオ、その他 |
| |
たとえば、 |
| |
推薦のネットワーク。これ |
| |
Amazon の画像は、次の場合の様子です。 |
| |
本を見ると、あなたは |
| |
何かを手に入れるつもりです |
| |
他の本もお勧めします。で、もし |
| |
他の本にアクセスすると、 |
| |
より多くのデータが得られるでしょう |
| |
推奨。それで、データは |
| |
構造にはあらゆる種類があります |
| |
形や形の |
| |
テキストであること。これは機能的になる可能性があります |
| |
データ。これは画像でも構いません。私たちは |
| |
今まで使っていたものに限定されない |
| |
データを呼び出すこと、それがあなたが行うことです |
| |
Excel スプレッドシートで検索します。 |
| |
データが破損する可能性がありますので、 |
| |
欠損値がある可能性があります。 |
| |
珍しいパターンがある |
| |
どれでしょう |
| |
調べるべき何か。いくつかの |
| |
パターン、物事がどこにあるか |
| |
繰り返した。もしかしたらデータの一部かもしれない |
| |
これはコピー＆ペーストするだけです。 |
| |
について警告したい |
| |
そういったオプション。第3 |
| |
次元はデータ統合です。 |
| |
からのデータを考慮すると、 |
| |
これらのさまざまな情報源、私たちは |
| |
それらを統合するので、 |
| |
分析連携ができる |
| |
ID経由で。たとえば、私たちは |
| |
そうするだろうが、それをする際に、 |
| |
いくつかの問題が発生する可能性があります。 |
| |
たとえば、データを開示する場合 |
| |
通常はそうあるべきです |
| |
匿名化された。データ |
| |
統合、はい、そうなります |
| |
私たちに素晴らしいことをさせてください、 |
| |
しかし、データが次のように認識される場合、 |
| |
ある程度のプライバシーの露出がある |
| |
問題があれば、それから品質も問題になるかもしれません |
| |
からの情報のうち、 |
| |
これから行う分析 |
| |
なるつもりです |
| |
影響を受ける。データ統合 |
| |
非常に検討する必要があります |
| |
気をつけて。これが人々です |
| |
おそらくETLを呼び出すために使用される |
| |
抽出、変換、ロードします。私たちは |
| |
今でははるかに優れた方法があります |
| |
それをやって。結合オプションは、 |
| |
たとえば、JMP では、 |
| |
それを行うためのオプション。 |
| |
時間的な関連性。わかりました、それは |
| |
かなりクリアな。データはあります。それは |
| |
なんとなく刻印されてる。行くなら |
| |
後で分析を行う |
| |
データ収集後、そして |
| |
私たちが行う展開の場合 |
| |
さらに後になると考えてください。 |
| |
データは一時的ではない可能性があります |
| |
関連する。共通して |
| |
状況を比較したい場合 |
| |
今何が起こっているのか、私たちはそうするだろう |
| |
これを作れるようになりたい |
| |
最近のデータと比較したり、 |
| |
パンデミック前のデータ |
| |
始めたけどまだ10年も経ってない |
| |
以前。公式統計 |
| |
健康記録には以前は2つありました |
| |
あるいは条件的には3年遅れている |
| |
タイミングがとても重要だったので、 |
| |
公式の使い方が難しい |
| |
評価における統計 |
| |
何が起こっているのか |
| |
パンデミック。データの年表と |
| |
目標は決断に関係する |
| |
私たちの結果として私たちが作るもの |
| |
ゴール。たとえば、私たちの場合、 |
| |
目標は大気の質を予測することです。 |
| |
いくつか使ってみます |
| |
放送中の予測モデル |
| |
品質指数は、 |
| |
日常的。これで 1 が得られます |
| |
危険から6段階まで |
| |
良い。いくつかの価値観があります |
| |
のレベルを表しています |
| |
健康上の懸念。ゼロ50は良いです。 |
| |
300 ～ 500 は危険です。 |
| |
データと目標の年表 |
| |
できるはずだという意味です |
| |
毎日の予測を立てる |
| |
基礎。したがって、私たちが使用する方法は、 |
| |
毎日更新する必要があります |
| |
基礎。一方、次の場合は、 |
| |
私たちの目標は、どのようになっているのかを理解することです |
| |
この AQI インデックスが計算されると、 |
| |
実際には制約されていません |
| |
分析の適時性。 |
| |
ご存知のように、私たちは私たちのものを手に入れることができます |
| |
時間。緊急性はない |
| |
分析を実行する |
| |
日常的。一般化可能性、 |
| |
6次元というのは、 |
| |
私たちの調査結果を取り入れて、 |
| |
これがどこでできるかを考えると |
| |
より一般的な用語に当てはめると、 |
| |
他の集団、すべて |
| |
状況。これはできる |
| |
直感的に。マーケティングマネージャーは、 |
| |
に関する研究を見てきました |
| |
市場、それを A と呼びましょう、かもしれません |
| |
何が何であるかをすでに理解しています |
| |
市場Bへの影響 |
| |
データなしで。いる人々 |
| |
物理学者はできるようになるだろう |
| |
～に基づいて予測を立てる |
| |
第一原理の力学 |
| |
データなしで。 |
| |
したがって、一般化可能性の一部は |
| |
データを使って行われます。これは |
| |
統計の根拠 |
| |
一般化、どこから行くのか |
| |
サンプルを母集団に。 |
| |
統計的推論とは、 |
| |
一般化。一般化します |
| |
サンプルから |
| |
人口。そして、いくつかはそうすることができます |
| |
言い換えれば、ドメインベース |
| |
専門知識、ドメインを活用する |
| |
必ずしも専門知識を持っているわけではない |
| |
データ。私たちはそれを認識しなければなりません |
| |
一般化可能性だけではない |
| |
統計を使って行われます。 |
| |
七次元というのは、 |
| |
運用化を構築し、 |
| |
それは本当に何なのか |
| |
私たちが測定するもの。私たちはそうしたいです |
| |
行動、感情、何を評価するか |
| |
それは測定できるということです |
| |
を反映したデータを提供します |
| |
行動とか感情とか。 |
| |
ここで挙げる例は |
| |
典型的には痛みです。 |
| |
私たちは痛みが何であるかを知っています。どうやって |
| |
私たちはそれを測定しますか？に行くなら |
| |
病院で看護師さんに聞くと、 |
| |
痛みをどのように評価しますか、彼らは |
| |
スケールはあるのですが、 |
| |
1から10まで。 |
| |
定性的、それほどではない |
| |
科学的だと思います。もし私達 |
| |
のレベルを測りたい |
| |
運転手のアルコール摂取... |
| |
道路、それは難しいだろう |
| |
測定。それで、私たちは測定するかもしれません |
| |
代わりの尺度としての速度。 |
| |
の別の部分 |
| |
運用化はもう一つです |
| |
物語の終わり。その他では |
| |
言葉、最初の部分、 |
| |
構築とは私たちが測定するものであり、 |
| |
それは私たちの目標を反映しています。の |
| |
終わり...最終的な結果は次のとおりです |
| |
調査結果があり、それを実現したいと考えています |
| |
彼らと一緒に何かをしてください。私たちが欲しいのは |
| |
私たちの発見を実用化するために。 |
| |
これがアクションです |
| |
運用化についてです。 |
| |
それはあなたが何をするかについてです |
| |
発見とその後のこと |
| |
ここの壇上で発表されました。私たちは |
| |
以前は3つの質問をしていました。 |
| |
これらは非常に重要です |
| |
尋ねるべき質問。入手したら |
| |
いくつかの分析を行いました。 |
| |
あなたの目の前にいる誰かが |
| |
ああ、ありがとう、と言いました。 |
| |
もう終わりです...あなた、統計学者 |
| |
またはデータサイエンティスト。したがって、この |
| |
これにはもう 1 つのステップが必要ですが、 |
| |
顧客に質問してもらう |
| これらの単純な質問 |
何をするか |
| |
達成したいですか？どうやって |
| |
あなたはそれをします、そしてどうしますか |
| |
達成したかどうかを知る |
| |
それ？私たちは答えを手伝うことができます、あるいは |
| |
少なくともこれらの一部をサポート |
| |
私たちが答えた質問。 |
| |
8次元というのは、 |
| |
コミュニケーション。あなたにあげます |
| |
非常に有名な古い人の例 |
| |
19世紀の地図ですが、 |
| |
の行進を示しています |
| |
フランスからナポレオン軍へ |
| |
モスクワからロシアへ。ご覧のとおり、 |
| |
数字は幅です |
| |
パスはサイズを示します |
| |
軍隊の、そしてその後も |
| |
黒、何が起こったかわかりますか |
| |
彼らは帰る途中です。 |
| |
基本的にこれは |
| |
悲惨な行進。私たち私たち私たち |
| |
この古い地図を次のものに関連付けることができます |
| |
既存のマップがあります。 |
| |
JMP アドイン。 |
| |
JMP コミュニティで見つけて、 |
| |
バブルプロットで示します。 |
| |
動的バブルはこれをプロットします |
| |
のように見える。それで私はカバーしました |
| |
非常に迅速に 8 つの情報 |
| |
品質の寸法。私の最後の |
| |
スライドは私が話した内容です |
| |
歴史的なことから |
| |
視点、本当にいくつかを入れてください |
| |
私の言っていることと比例します。 |
| |
まさにその時代に入ってきたと思います |
| |
情報の質のこと。私たちが使用した |
| |
製品に関わること |
| |
18世紀の品質、 |
| |
17世紀。その後、私たちは次の場所に移動しました |
| |
プロセスの品質とサービス |
| |
品質。これは短いメモです |
| |
管理図の提案に関して、 |
| |
1924年だったと思います。 |
| |
その後、管理業務に移ります |
| |
品質。これがジュランです |
| |
設計、改善の三部作 |
| |
そしてコントロール。シックス シグマ (定義、 |
| |
測定、分析、改善） |
| |
制御プロセスは |
| |
Juranの改善プロセス、 |
| |
そしてジュランは祖父だった |
| |
そういう意味ではシックスシグマですね。 |
| |
そして80年代に田口がやって来た。 |
| |
彼は堅牢性について語ります |
| |
デザイン。どうすれば対処できるでしょうか |
| |
適切な条件による入力の変動 |
| |
デザインの決定は？そして今、私たちは |
| |
情報化の時代に |
| |
品質。私たちにはセンサーがあります。私たちは |
| |
柔軟なシステムを持っています。私たちは |
| |
AIや機械次第 |
| |
学習とデータマイニング、そして私たち |
| |
大きく大きく大きく集まっています |
| |
数字ですが、それを大きな数字と呼んでいます |
| |
データ。情報への興味 |
| |
品質はプライムプライムでなければなりません |
| |
興味。試してみます |
| |
助けを借りてあなたを説得する |
| |
クリスの、あれ。 |
| |
私たちはここにいます、そしてJMPはそれができます |
| |
それを達成するのに協力してください |
| |
本当に珍しいやり方。 |
| |
終わりに何が見えるのか |
| |
クリスが行うケーススタディ |
| |
ショーはそれを行う方法でもあります |
| |
情報品質評価と |
| |
特定の研究に関して、基本的には |
| |
情報品質を生み出す |
| |
スコア。トップダウンでいくと、私は |
| |
この研究、これを教えてください |
| |
仕事をしていると、この分析はおそらく 80% または |
| |
おそらく30％、あるいは95％かもしれません。 |
| |
そして、この例を通して、あなたは |
| |
その方法を見てください。があります |
| |
これを提供する JMP アドイン |
| |
評価。それは実際にそうだよ |
| |
とても簡単です。あるよ |
| |
本当に洗練されたものは何もない |
| |
そのことについて。それで終わったし、 |
| |
クリス、あなたの後です。ありがとう、ロン。それで |
| |
今私は通過するつもりです |
| |
ある意味でのデータセットの分析 |
| |
を明示的に呼び出します |
| |
情報のさまざまな側面 |
| |
品質を高め、JMP がどのようにできるかを示します |
| |
改善を評価するために使用される |
| |
InfoQの場合。だからまず最初に、私は |
| |
InfoQを経由するつもりです |
| |
コンポーネント。最初の InfoQ |
| |
コンポーネントが目標なので、 |
| |
この場合の問題文 |
| |
それは化学会社でしたか |
| |
という配合が欲しかった |
| |
製品の歩留まりを最大化しながら、 |
| |
迷惑な不純物を最小限に抑える |
| |
その反応から生まれたもの。 |
| |
それがハイレベルな目標でした。 |
| |
統計的に言えば、私たちが望んでいたのは、 |
| |
正確にモデルを見つけるには |
| |
データの応答を予測した |
| |
を見つけられるように設定しました |
| |
成分の組み合わせと、 |
| |
につながる処理ステップ |
| |
より良い製品へ。 |
| |
データは100単位で設定されています |
| |
実験的な配合 |
| |
1 つの主成分 X1、および |
| |
添加物は10種類。もあります |
| |
13 の処理係数 |
| |
反応。データは |
| |
完全に捏造されたが |
| |
同じことを説明するためにシミュレーションしたもの |
| |
の強みと弱み |
| |
オリジナルデータ。データ |
| |
製剤も作られました |
| |
記録された。見ていきます |
| |
このデータを詳しく知りたいので、 |
| |
指摘を超えて詳しく説明する |
| |
それらが集められたものであること |
| |
アドホックな方法、1 つまたは 2 つを変更する |
| |
添加物を一度に添加するのではなく、 |
| |
設計された、またはランダム化されたものとして |
| |
実験。たくさんあります |
| |
このデータを分析する方法、 |
| |
最も典型的なものは最も少ないもの |
| |
フォワードを使用した正方形モデリング |
| |
選択された応答に対する選択。 |
| |
それが私の当初の意図でした |
| |
この講演のために、しかし私が見せたとき |
| |
データをロンに送ると、彼はすぐに |
| |
応答列を認識しました |
| |
分析からの時系列として |
| |
化学。データなのに |
| |
シミュレーションすると、彼は次のことを見ることができました。 |
| |
構造。彼は物事を見ることができた |
| |
私が見ていなかったデータの中で |
| |
読んでみたらそうではなかった。見つけました |
| |
これは驚くべきことだ |
| |
印象的な。それは超えています |
| |
この話の範囲ですが、 |
| |
～に基づいたさらに優れたアプローチ |
| |
を使用したアンサンブル モデリング |
| |
部分的に重み付けされた |
| |
ブートストラップ。フィル・ラムジー |
| |
ウェイン・レビンと私にはもう一つあります |
| |
この方法論については、 |
| |
ヨーロッパの発見 |
| |
今年のカンファレンス。の |
| |
このアプローチは有望であるため、 |
| |
モデルをデータに適合させることができます |
| |
～よりも活発なインタラクション |
| |
ランがあります。 4番目で最後の |
| |
情報品質の構成要素 |
| |
実用性とは、私たちがどの程度優れているかを意味します |
| |
私たちの目標を評価することができます。または |
| |
どれだけうまくいったかをどのように測定するか |
| |
私たちの目標を評価しましたか？あります |
| |
この中にあるドメインの側面 |
| |
私たちが望んでいるケース |
| |
につながる処方 |
| |
収量を最大化し、 |
| |
後処理での無駄 |
| |
材料。統計 |
| |
分析ユーティリティとは、 |
| |
私たちがフィットするモデル。私たちは何ですか |
| |
最小限のものを求めて行きます |
| |
モデルの二乗精度 |
| |
私たちがどれだけうまくできるかという点で |
| |
何が起こるかを予測します |
| |
候補者からの結果 |
| |
配合物の組み合わせ... |
| |
混合要因。さあ、行きます |
| |
一連の質問に答える |
| |
詳細な InfoQ を構成するもの |
| |
に整理された評価 |
| |
情報の 8 つの次元 |
| |
品質。指摘したいのですが |
| |
すべての質問がそうなるわけではありません |
| |
異なるものにも同様に関連する |
| |
データサイエンスと統計 |
| |
プロジェクト、そしてこれはそうではないこと |
| |
厳格な教義を意図したものですが、 |
| |
むしろ、 |
| |
自分自身に問いかけてみると良いでしょう。 |
| |
これらの質問はある種のことを表しています |
| |
データ分析の知恵の |
| |
だけではなく、より広く見ることができます |
| |
特定のアプリケーション |
| |
統計技術。コピー |
| |
これらを含むスプレッドシートの |
| |
質問とその指示 |
| |
JMP の主な機能 |
| |
に答えるのに役立ちます |
| |
特定のものがアップロードされます |
| |
一緒にJMPコミュニティへ |
| |
このトークを使用してください。として |
| |
質問を進めていきますが、 |
| |
の分析をデモします |
| |
JMP 内のデータ。それでは質問1 |
| は |
使用されるデータスケールです |
| |
定められた目標と一致していますか？それで |
| |
私たちが構成する X は |
| |
単一のカテゴリ変数 |
| |
処理と11連続 |
| |
入力。これらは測定されます |
| |
パーセンテージとして、また |
| |
0.5パーセントまで記録されました。私たちは |
| |
の合計金額がありません |
| |
成分のみ |
| |
パーセンテージ。合計は |
| |
失われた情報 |
| |
または記録されていない。がある |
| |
その他の潜在的に重要な |
| |
ある情報の断片 |
| |
ここにいない。間の時間 |
| |
バッチの配合と |
| |
測定はなくなりました |
| |
他にもあったかもしれない |
| |
共変量レベルの情報 |
| |
あるはずのものがここにありません |
| |
以下の条件を説明しました |
| |
その反応が起こったということ。 |
| |
私以上の情報がなければ |
| |
持っています、どれだけ重要かは言えません |
| |
この種の共変量情報 |
| |
だっただろう。我々が持っています |
| |
当日のご案内 |
| |
バッチなので、次のように使用できます |
| |
おそらく代理人。全体的に私たちは |
| |
できれば最も多くのものを持っています |
| |
重要なインプットだけでなく、 |
| |
応答の測定 |
| |
最適化したい。できるかもしれない |
| |
もっと詳しい情報がありましたが、これは |
| |
試してみるのに十分有望そう |
| |
と分析します。二番目 |
| |
データに関する質問 |
| |
解像度は信頼性と信頼性を表します。 |
| |
測定器は正確です |
| |
そしてデータソース。そして事実 |
| |
つまり、あまり多くはありません |
| |
具体的な情報はこちら。の |
| |
内部の統計学者 |
| |
会社にはもっとあっただろう |
| |
情報。この場合、私たちは |
| |
それを信じるしかない |
| |
化学者たちが処方し、 |
| |
混合物をよく記録しました。の |
| |
データに関する 3 番目の質問 |
| 解像度は |
データです |
| |
データに適した分析 |
| |
集計レベル？そしてその |
| |
ここでの答えは「はい」です。 |
| |
彼らの測定システムは |
| |
データが正確であること、 |
| |
十分にきれいです。私たちが行くこと |
| |
実際にやってしまうことは |
| |
を使用します |
| |
機能データエクスプローラーから |
| |
機能プリンシパルを抽出する |
| |
データであるコンポーネント |
| |
派生した種類のデータ |
| |
集約。そして私たちは |
| |
それらをモデル化するつもりです |
| |
機能主成分 |
| |
入力変数を使用します。それで |
| |
次にデータに移ります |
| |
構造寸法と |
| |
私たちが尋ねる最初の質問は、 |
| |
データは、 |
| |
定められた目標は？そして私はこう思います |
| |
ここでの答えは明確に「はい」です。だった |
| |
最大化しようとしている |
| |
収率。測定結果があります |
| |
それと入力は |
| |
Xとして記録されます。 2番目のデータ |
| |
構造に関する質問はどこにありますか |
| |
物事は本当にうまくいき始めます |
| |
私にとって興味深い。それで、これは |
| |
整合性の詳細です |
| |
(外れ値、欠損値、データ |
| |
破損) の問題の説明と |
| |
適切に処理されましたか？だから、から |
| |
ここで JMP を使用すると、 |
| |
どこに異常値があるかを理解する |
| |
つまり、次の戦略を立てます。 |
| |
欠損値をどうするか、 |
| |
彼らのパターンなどを観察してください |
| |
の上。それで、ここがここです |
| |
物事は少しずつ良くなるだろう |
| |
もう少し面白いです。最初 |
| |
私たちがやろうとしていることは、私たちが |
| |
があるかどうかを判断する予定です |
| |
私たちが調べたデータ内の異常値 |
| |
を懸念する必要がある。それで |
| |
そのために、私たちは行きます |
| |
外れ値を探索する |
| |
スクリーニングの外のプラットフォーム |
| |
メニュー。積み込んでいきます |
| |
応答変数とその理由 |
| |
これは多変量設定です。 |
| |
新しい機能を使用します |
| |
JMP Pro 16では「ロバスト」と呼ばれます |
| |
PCA 外れ値。それで、どこにあるかわかります |
| |
大きな残差はそれらの中にあります |
| |
パレート型プロットの一種。 |
| |
場所を示すスナップショットがあります |
| |
潜在的にいくつかあります |
| |
異常に大きな観測値。私 |
| |
これがそう見えるとは思わない |
| |
私にとっては異常すぎる、または心配です。 |
| |
大きな外れ値を保存できる |
| |
データテーブルにコピーしてから見てください |
| |
配布中のそれら |
| |
プラットフォームと私たちが見ているもの |
| |
正規分布のように見えます |
| |
真ん中を取り出した状態。それで私は |
| |
これは次のようなデータだと思います |
| |
ある意味同じところから来ている |
| |
人口はあるけど何もない |
| |
ここで本当に心配になるのは、 |
| |
外れ値的には。それで、一度 |
| |
外れ値に気を配った |
| |
私たちが入って探索する状況 |
| |
欠損値。それで、私たちは何ですか |
| |
まずやります、私たちが行きます |
| |
Ysを...にロードするには |
| |
プラットフォーム、そして出発します |
| |
欠損値を使用するには |
| |
スナップショットを使用してパターンを確認する |
| |
彼らは私たちの行方不明者の中にいます |
| |
価値観。のように見えます |
| |
欠損値が発生する傾向があります |
| |
水平方向のクラスター、そして |
| |
同じ欠損値も |
| |
列を越えて。それでわかります |
| |
ここに黒い斑点があります。 |
| |
それから、 |
| |
自動データ代入、 |
| |
先に進んで保存します |
| |
代入する数式列 |
| |
新しい値に欠損値がある |
| |
回帰タイプを使用した列 |
| |
によって開発されたアルゴリズム |
| |
マイロという名の私の博士課程の学生です |
| |
ノースカロライナ州のページ。だから私たちは遊べるよ |
| |
少し回って、 |
| |
ADIがどうなったかのような感覚 |
| |
アルゴリズムが機能しています。っていうことは |
| |
これらの数式列を作成しました |
| |
の要素を剥がしているもの |
| |
ADI 入力列。 |
| |
ベクトル数式列と、 |
| |
スコア付け補完関数 |
| |
期待値を計算しています |
| |
指定された欠落セルの値 |
| |
いつでも欠落していないセル |
| |
欠損値があります。そしてそれは |
| |
非を貫いているだけ |
| |
欠損値。 207 が表示されます |
| |
YO...Y6にあります。それは最初は |
| |
207 ですが、次のように変更します |
| |
行方不明、そして今あります |
| |
234 と推定されます。 |
| |
これを何回かやりますので、 |
| |
それがどのようになっているのかを見ることができます |
| |
働く。そこで、ここに大きく入れます |
| |
Y7 の値、そしてそれが今です。 |
| |
置き換えられました。そして、もし私たちが下に行ったら |
| |
そして行を追加します。 |
| |
そうすれば、すべての欠損値がそこにあります |
| |
最初に列の意味は |
| |
に置き換えられます |
| |
帰属。もし行くとしたら |
| |
先に進み、いくつかの値を追加します |
| |
それらの失われた細胞は、 |
| |
条件付きを実行し始める |
| |
まだ行方不明の期待 |
| |
情報を利用する細胞 |
| |
それは欠けているものの中にあります... |
| |
欠けていないもの。それで次は |
| |
データ構造に関する質問は、 |
| |
分析方法です |
| |
データ構造に適しているか？ |
| |
つまり、11 個の混合入力があります |
| |
そして処理変数は |
| |
カテゴリー的な。奴らは行くよ |
| |
少なくとも入力されること |
| |
スクエアタイプのモデル。我々は持っています |
| |
13回の連続応答と |
| |
...を使用してそれらをモデル化できます。 |
| |
個別に最小値を使用する |
| |
正方形。あるいはモデル化することもできます |
| |
関数プリンシパル |
| |
コンポーネント。 ...今あるのは |
| |
問題。 X は... |
| |
入力変数が設定されていません |
| |
まったくランダム化されています。それはとても |
| |
彼らが台無しにするのは明らかだ |
| |
～の一人以上と一緒に周りに |
| |
複合してから移動します |
| |
別のものに進みます。それで、 |
| |
の順序 |
| |
入力変数が変化した |
| |
ある意味無計画だった。それは |
| |
明らかなランダム化の欠如、および |
| |
それはマイナスになります |
| |
私たちの...一般化可能性に影響を与える |
| |
そして私たちの結論の強さ。 |
| |
データ統合は3つ目です |
| |
InfoQ ディメンション。これらのデータ |
| |
手動で入力された実験ノートです |
| |
大部分が混合物からなる |
| |
パーセンテージと装備 |
| |
読み上げ。仮定することしかできません |
| |
データが入力されたこと |
| |
正しく、X が |
| |
応答と適切に調整されます。 |
| |
そうでない場合は、 |
| |
モデルには深刻なバイアスがかかる |
| |
問題があり、 |
| |
一般化可能性に問題がある。 |
| |
統合はさらに大きな問題です |
| |
観測データを使って |
| |
機械における科学の問題 |
| |
ラボよりも学習演習 |
| |
このような実験。それでも |
| |
それはここには当てはまりません、そうします |
| |
プライバシーを指摘し、 |
| |
機密保持に関する懸念が生じる可能性がある |
| |
をモデル化することで特定される |
| |
データの機密部分を使用して |
| |
公開されるコンポーネント |
| |
データで。結果として |
| |
モデルが予測され、その後 1 つが予測されます |
| |
プライバシーを考慮する必要がある |
| |
懸念は満たされていない。時間的 |
| |
関連性とは、 |
| |
の動作時間順序 |
| |
データの収集、分析、 |
| |
導入とギャップの有無 |
| |
これらの段階の間には、 |
| |
～の有用性の低下 |
| |
研究の情報。 |
| |
この場合、単純にできることは、 |
| |
材料が供給されることを願っています |
| |
適度に一貫性があり、 |
| |
その試験装置は |
| |
かなり正確です。 |
| |
現時点では検証不可能な仮定 |
| |
ポイント。時間解像度は、 |
| |
データ収集が行われるときに |
| |
日レベルでは、つまり |
| |
そんな方法はあまりない |
| |
時間があれば確認できます |
| |
毎日の中での変化。 |
| |
データと目標の年表は、 |
| |
の利用可能性について |
| |
両方の観点から関連する変数 |
| |
変数が |
| |
データ内にまったく存在するか、または |
| |
正しい情報かどうか |
| |
モデルのときに利用可能になります |
| |
展開されています。予測用 |
| |
モデル、これはモデルに関係します |
| |
と同様のデータに適合する |
| |
その時に何が存在するのか |
| |
モデルは次のように評価されます |
| |
新しいデータ。このようにして、私たちのデータは、 |
| |
セットは確かに大丈夫です。のために |
| |
ただし、因果関係を確立することは、 |
| |
私たちはそれほど良い状態ではありません |
| |
不足しているため形状が変化します。 |
| |
ランダム化は時間を意味します |
| |
効果と因子効果は、 |
| |
混乱して偏見につながる |
| |
私たちの推定では。内生性、 |
| |
あるいは因果関係が逆になる可能性があります |
| |
ここでは明らかに問題になります。 |
| |
温度や |
| |
反応時間は明らかに |
| |
応答に影響を与えますが、 |
| |
記録されずに放置されていた。全体、 |
| |
私たちが知らないことがたくさんあります |
| |
この次元については |
| |
情報の品質感覚。 |
| |
InfoQの残りの部分 |
| |
評価はこうなるだろう |
| |
の種類に応じて |
| |
私たちが行っている分析。それで、これで |
| |
ポイント、先に進みます |
| |
このデータの分析を実施する |
| |
機能データの利用 |
| |
JMP Pro の Explorer プラットフォーム |
| |
これにより、さまざまなモデルを作成できるようになります |
| |
すべての列を同時に |
| |
に基づいた方法で |
| |
機能的主成分、 |
| |
最大量が含まれているもの |
| |
それらすべてにわたる情報の |
| |
で表される列 |
| |
可能な限り最も効率的なフォーマット。 |
| |
これから取り組む予定です |
| |
列の帰属バージョン |
| |
先ほど計算した |
| |
プレゼンテーション。そして私はそうするつもりです |
| |
私がそうなることを指摘してください |
| |
～の組み合わせを見つけるために取り組んでいます |
| |
達成する混合要因 |
| |
できるだけ近くで |
| |
最小二乗法、理想 |
| |
によって作成された曲線 |
| |
最大限の効果を発揮する実践者 |
| |
潜在的な製品の量 |
| |
バッチ内にある可能性があります |
| |
の量を最小限に抑えることで、 |
| |
彼らが持つ不純物 |
| |
現実的にバッチを考えた |
| |
を含む可能性があります。それで私は始めます |
| |
分析に移動して分析します |
| |
メニューから「機能」を表示します |
| |
データエクスプローラー。これには次のような行があります |
| |
機能。荷物を積み込むつもりです |
| |
行を代入してから行きます |
| |
私の処方に入れる |
| |
コンポーネントと私の処理 |
| |
補足としてのコラム |
| |
変数。私たちはIDを持っています |
| |
関数、それがバッチ ID です。ここで私は |
| |
入ってください。機能が見えます。 |
| |
オーバーレイ全体と、 |
| |
個々の機能がわかります。 |
| |
それからターゲットをロードできます |
| |
理想的な機能です。 |
| |
そしてそれは変化します |
| |
一度行った結果の分析 |
| |
モデリングを始める |
| |
ステップ。それで、これらはきれいです |
| |
シンプルな機能なので、 |
| |
それらをモデル化するつもりです |
| |
B スプライン。 |
| |
そして、私は私の中に入るつもりです |
| |
機能的DOE解析。 |
| |
これはモデルに当てはまります |
| |
入力を接続します |
| |
機能的プリンシパル |
| |
コンポーネントをすべて接続します |
| |
を通る道 |
| |
そうするための固有関数 |
| |
私たちは回復することができます |
| |
全体的な機能はそのまま |
| |
を変更しているため、変更されました |
| |
混合要因。の |
| |
機能主成分 |
| |
分析によると、 |
| |
4つの次元があります |
| |
これらの反応の変化 |
| |
機能。何を理解するには |
| |
彼らは、「先に進みましょう」という意味です。 |
| |
FPC プロファイラーを使用して探索します。 |
| |
ここでこのペインを見てください |
| |
FPC 1 を調整すると、次のことがわかります。 |
| |
この FPC が関連付けられているもの |
| |
ピークの高さ。 FPC2、見えます |
| |
ある種のピークのような |
| |
狭さ。それはほとんど次のようなものです |
| |
解決プリンシパル |
| |
成分。 3つ目は |
| |
膝のようなものに関連する |
| |
主峰の左側。 |
| |
ピーク 4 は次のようになります。 |
| |
主に以下に関連する |
| |
不純物、だからそれが |
| |
根底にある意味は |
| |
これら4つの機能 |
| |
主成分。 |
| |
これで私たちの目標が明確になりました |
| |
製品を最大限に活用し、 |
| |
不純物を最小限に抑え、 |
| |
私たちはそれを |
| |
この理想を通して分析したり、 |
| |
私たちが提供した黄金の曲線 |
| |
FDEの始まり |
| |
私たちが行っている運動。として取得するには |
| |
できるだけその理想に近づける |
| |
曲線、望ましさをオンにします |
| |
機能。そして、私たちは行くことができます |
| |
魅力を最大化します。 |
| |
そして、最適なことがわかりました。 |
| |
入力の組み合わせは約 |
| |
4.5% |
| |
成分4、2% |
| |
成分6. 2.2% |
| |
成分8と1.24% |
| |
成分9使用加工 |
| |
方法2。やり方を見直してみましょう |
| |
私たちはここに着きました。まず私たちが |
| |
欠落している応答を計算しました |
| |
列。そこでBスプラインを発見しました |
| |
それらの機能に合わせたモデル |
| |
FDE プラットフォームでも同様です。あ |
| |
機能主成分 |
| |
分析により、存在すると判断されました |
| |
4つの固有関数でした |
| |
～の変化を特徴づける |
| |
このデータ。この４つ |
| |
固有関数が決定されました |
| |
FPCプロファイラー経由でそれぞれに |
| |
妥当な主題がある |
| |
事柄の意味。機能的な |
| |
DOE 解析の内容は次のとおりです。 |
| |
前方剪定を適用する |
| |
それぞれの選択 |
| |
を使用した個々の FPC スコア |
| |
DOE 係数を入力変数として使用します。 |
| |
そしてここで、これらが持っていることがわかります。 |
| |
の組み合わせを見つけました |
| |
相互作用と主効果 |
| |
最も予測的だったもの |
| |
それぞれの機能プリンシパル |
| |
コンポーネントは個別にスコアを取得します。 |
| |
機能的 DOE プロファイラ |
| |
すべてをエレガントに捉えています |
| |
さまざまな側面を 1 つの表現に統合 |
| |
それにより、 |
| |
製剤処理ステップ |
| |
望ましいと予測される |
| |
高い基準で測定された特性 |
| |
収率が高く、不純物が少ない。 |
| |
これで InfoQ を実行できるようになりました |
| |
の評価 |
| |
データの一般化可能性 |
| |
解析。したがって、この場合、 |
| |
私たちはもっと興味があります |
| |
科学的一般化可能性、 |
| |
実験者は奥が深い |
| |
知識豊富な化学者が働いています |
| |
この化合物を使って。それで私たちは |
| |
もっと依存することになるだろう |
| |
主題に関する専門知識 |
| |
次に統計原理について |
| |
仮説テストなどのツール |
| |
など。目標は |
| |
主に予測ですが、 |
| |
一般化可能性は一種の |
| |
問題があるため、 |
| |
実験は計画されていませんでした。私たちの |
| |
相互作用を推定する能力 |
| |
のようなテクニックに対して弱体化されます。 |
| |
前方選択と不可能 |
| |
最小二乗分析による |
| |
フルモデル。なぜなら |
| |
研究はランダム化されていませんでした |
| |
記録されていない時間がある可能性があります |
| |
順序効果。私たちにはありません |
| |
潜在的に重要な共変量 |
| |
気温などの情報や、 |
| |
反応時間。これにより、 |
| |
もう一つの大きな疑問符 |
| |
一般化可能性について。 |
| |
再現性と |
| |
研究の再現性は |
| |
ここでも私たちが知っているように未知です |
| |
に関する情報はありません |
| |
による変動 |
| |
測定システム。幸いなことに、 |
| |
JMP のようなツールはあります |
| |
設計を評価して理解する |
| |
既存のデザインはもちろん、 |
| |
デザインを大幅に強化 |
| |
一般化を強化する |
| |
分析のパフォーマンス。 |
| |
拡張により情報を改善できる |
| |
主な効果についてと、 |
| |
インタラクションと第 2 ラウンド |
| |
実験の可能性がある |
| |
強化するためにランダム化される |
| |
一般化可能性。だから今私は |
| |
いくつかのことを通過する予定です |
| |
方法を示す簡単な手順 |
| |
一般化を改善する |
| |
を使用した研究のパフォーマンス |
| |
JMP の設計ツール。私の前に |
| |
そうしなさい、私が指摘したいのは |
| |
データを取得する必要があることと、 |
| |
であるように変換します |
| |
比率ではなく |
| |
パーセント。それ以外の場合はデザイン |
| |
ツールが実際には一致していませんでした |
| |
データもよく揃っています。それで私たちは |
| |
評価デザイナーに移動します |
| |
それからYをロードして、 |
| |
私たちのX。私は次の能力を要求しました |
| |
二次相互作用を処理します。 |
| |
それから...はい、このアラートを受け取りました |
| |
「ねえ、私にはそれはできません」と言っています |
| |
私たちにはできないから |
| |
すべての相互作用を推定する |
| |
一度に 1 つの要素を考慮すると |
| |
私たちが持っているデータ。だから私は支持した |
| |
上。増築に行きます |
| |
デザイナー、すべてをロードして、 |
| |
オーグメントを設定します。私たちは選択します、そして私は- |
| |
最適な設計を実現するのは私たちだから |
| |
本当に心配している |
| |
予想パフォーマンスはこちら。 |
| |
そして私 |
| |
実行数を 148 に設定します。 |
| |
カスタムデザイナーがリクエストした |
| |
最低でも141ですが、私は行きました |
| |
148 念のために言っておきますが |
| |
私たちにはすべての能力があるということ |
| |
すべてのやり取りを推定する |
| |
かなりよく。その後、それは |
| |
には約 20 秒かかります |
| |
デザインを構築します。それで今 |
| |
私たちがデザインを持っていること、私は |
| |
最も多くの2つを表示するつもりです |
| |
重要な診断ツール |
| |
拡張デザイナー |
| |
デザインを評価する。で |
| |
左、分数があります |
| |
デザインスペースプロット。これは |
| |
ボリュームの 50% を示しています |
| |
デザインの |
| |
予測分散、つまり |
| |
1 未満です。つまり、1 は次のようになります。 |
| |
残余に相当する |
| |
エラー。それで私たちは得ることができます |
| |
測定誤差よりは良い |
| |
品質予測 |
| |
デザインの大部分。で |
| |
右側にカラーマップがあります |
| |
相関関係。これは表示されています |
| |
推定できること |
| |
すべてがかなり順調です。あるよ |
| |
一部...混合物のせいで |
| |
制約があり、ある程度の成果は得られています |
| |
間の強い相関関係 |
| |
相互作用と主効果。 |
| |
全体的に効果はかなりある |
| |
クリーン。そしてその相互作用は、 |
| |
1つからかなり分離されています |
| |
もう一つと主な効果 |
| |
～からかなりよく分離されている |
| |
お互いにも。後 |
| |
デザインを見ていると |
| |
診断を行うことができます。 |
| |
テーブル。ここで示したのは、 |
| |
拡張された実行の最初の 13 個 |
| |
そして、私たちが持っていることがわかります...私たちは |
| |
よりランダム化が可能です。しません |
| |
同じ主効果を使用する |
| |
何度も何度も縞模様。 |
| |
それはより良い証拠です |
| |
ランダム化と全体的な |
| |
デザインはできるようになる |
| |
メインを見積もったほうが良いでしょう |
| |
効果と相互作用 |
| |
より良い、より高い品質を受け取りました |
| |
この第 2 段階の情報 |
| |
実験のこと。したがって、入力 |
| |
変数、X は正確です |
| |
混合物の表現 |
| |
割合なので、それは明らかです |
| |
客観的な興味。の |
| |
応答はほぼ代理です |
| |
商品の金額に対して |
| |
そしてそこに含まれる不純物の量 |
| |
バッチ。かなり順調です |
| |
7.1.そこには。正当化 |
| |
は明らかです。研究の後、私たちは、 |
| |
もちろん準備に行くこともできます |
| |
配合であるバッチ |
| |
それはFDOEによって推奨された |
| |
プロファイラー。試してみて確認してください |
| |
私たちはそのようなものを手に入れています |
| |
私たちが求めていたパフォーマンス |
| |
のために。それは非常に明らかです |
| |
それが私たちにできる方法だろう |
| |
私たちがどれだけ達成したかを評価する |
| |
私たちの勉強の目標。それで今、 |
| |
最後の InfoQ ディメンション |
| |
コミュニケーション。を説明することで、 |
| |
理想的な曲線を目標とする |
| |
関数、機能的DOE |
| |
プロファイラーは目標を立て、 |
| |
分析結晶の結果 |
| |
クリア。でもこれは表現できる |
| |
簡単にできるレベルで |
| |
化学者によって解釈され、 |
| |
研究開発施設のマネージャー。 |
| |
そして、詳細な作業を行ったので、 |
| |
情報品質評価、 |
| |
私たちはこれについて率直に述べてきました |
| |
の強みと弱み |
| |
研究デザインとデータ |
| |
コレクション。結果がそうなれば |
| |
一般論ではありませんが、確かに |
| |
どこを探せばよいのかを知っている |
| |
問題がありました。一度あなたがなったら |
| |
概念に精通しており、 |
| |
素晴らしいアドインが書かれています |
| |
イアン・コックス著 |
| |
簡単に定量的な InfoQ を実行する |
| |
評価。アドインには、 |
| |
上下のスライダー |
| |
InfoQ の各ディメンションの境界。 |
| |
これらの次元が組み合わされて |
| |
好感度関数を使用する |
| |
全体的な間隔でのアプローチ |
| |
InfoQ については左側をご覧ください。 |
| |
の評価はこちら |
| |
私が取り上げたデータと分析 |
| |
このプレゼンテーション。アドインは |
| |
便利な思考ツールでもあります |
| |
それぞれについて考えさせられます |
| |
InfoQ のディメンション。それはまた、 |
| |
実用的なコミュニケーション方法 |
| |
InfoQ の評価 |
| |
クライアントや経営陣に対して、 |
| |
の高レベルのビューを提供します |
| |
情報品質なし |
| |
たくさんの技術を使って |
| |
概念と専門用語。アドイン |
| |
～の基礎としても役立ちます |
| |
InfoQ の比較。私の |
| |
これに対する本来の希望 |
| |
プレゼンテーションは少しだった |
| |
もう少し野心的です。私は願っていた |
| |
私が行った分析をカバーするために |
| |
ちょうど通過しただけでなく、 |
| |
もう 1 つの簡単な方法は省略します。 |
| |
応答を入力して実行する |
| |
単純な多変量線形 |
| |
応答の回帰モデル |
| |
列。今日、私にできることは、 |
| |
それについての最終評価を提供する |
| |
アプローチ。ご覧のように、 |
| |
InfoQ のいくつか |
| |
寸法が大幅に低下する |
| |
より洗練されたものなしでは |
| |
分析。それは非常に明らかです |
| |
単純な分析は次のことにつながります |
| |
InfoQ スコアははるかに低くなります。 |
| |
単純な上限 |
| |
分析力はそこまで高くない |
| |
以上の下限値を超える |
| |
洗練されたもの。と |
| |
経験、あなたは得るでしょう |
| |
InfoQ がどれほど優れているかについての直感 |
| |
スコアはデータサイエンスに関するものです |
| |
あなたの業界のプロジェクトや |
| |
あなたのようにより良い習慣を身につけてください |
| |
もう盲目ではなくなるだろう |
| |
情報のボトルネック |
| |
データの収集、分析、 |
| |
モデルの展開。情報 |
| |
使いやすさを備えた品質 |
| |
インターフェース。これが初めてでした |
| |
正式な情報の質 |
| |
評価。私自身のことを言いますと、 |
| |
情報の質 |
| |
フレームワークは言葉を与え、 |
| |
私は多くのものの構造を理解しています |
| |
すでに本能的に分かっていた。それ |
| |
私のやり方はすでに変わっています |
| |
新しいデータ分析にアプローチする |
| |
プロジェクト。ぜひ行くことをお勧めします |
| |
このプロセスを通じて、あなた自身が |
| |
自分自身のデータ、たとえそのデータが |
| |
そして分析はすでに非常に進んでいます |
| |
あなたにとっておなじみの。保証します |
| |
あなたがもっと賢くなること、そして |
| |
より効率的なデータサイエンティスト |
| |
それのせいで。ありがとう。 |
