572661_ja-JP

liliconcom

一般化回帰を使用した、検出限界応答を含む計画された実験の分析 (2023-EU-30MP-1308)

Fangyi Luo 氏、プロクター・アンド・ギャンブル社グループ科学者
Christopher Gotwalt 氏、JMP チーフ データ サイエンティスト
ベアトリス・ブラム氏、プロクター・アンド・ギャンブル社上級科学者

ほとんどの測定システムには検出限界があり、それを超えるか下回ると対象量を正確に測定できません。検出が限定された応答は、製薬、化学、消費者製品業界などの多くの応用分野で一般的ですが、分析では無視されることがよくあります。検出を無視すると、結果の偏りが制限され、アクティブな効果を検出する能力が大幅に低下することさえあります。幸いなことに、JMP® のカスタム デザイナーと一般化回帰により、検出限界を簡単かつ自動的に組み込むことができます。このプレゼンテーションでは、実際に計画された実験のシミュレーション バージョンを使用して、JMP® Pro 17 で分析を正しく行う方法と、分析で検出限界が無視された場合に発生する落とし穴を示します。また、単純なグラフィカル ツールを使用して、問題がある可能性がある、または特定のモデル項や相互作用の推定を不可能にする可能性がある設計領域の部分を特定する方法についても説明します。私たちの例には、消費者用洗浄製品の微生物感受性テストで微生物の数の減少が反応する化学製品の収量を最大化するように設計された実験が含まれます。

こんにちは、 私は クリス ゴットワルト と JMP、 そして 私は プレゼンテーションする と 方宜 ルオ の プロクター & ギャンブル、 そして 彼女 同僚、 ベアトリス ブルーム 誰がやるの なれ 接合 私たち のために の で- 人 プレゼンテーション で の 発見 会議 で スペイン。

今日、 私たちは は 話している について どうやって に モデル データ から 設計 実験 いつ の 応答 は 検出 限定。 これ は の 重要 トピック なぜなら の上 の 1つ 手、 検出 限界 は とても 一般、 特に で 産業 それ する a 多く の 化学、 のように の 医薬品 そして 消費者 製品 産業。

その間 の上 の 他の 手、 の 結果 の 無視する 検出 限界 リード に 真剣に 不正確な 結論 それ 意思 ない 一般化する。 これ リード に 失った 研究開発 時間 そして 非効率的な 使用 の リソース。 の 良い ニュース それ 私たちは は ここ に 見せる 今日 は それ 取得 の 分析 右 は 自明のこと 簡単 もし あなた は 使用して 一般化された 回帰 で JMP プロと 知る どうやって に セット 上 の 検出 限界 カラム 財産。

で これ 話す、 だった 行く に 与える a 簡単な 導入 に センサー データ、 説明する 何 それ は、 何 それ 見た目 のように で ヒストグラム そして a 簡単な 説明 の どうやって あなた 分析する それ a 少し 少し 違う。 それから 方宜 は 行く に 行く の中へ の 分析 の いくつかの 設計 実験 から プロクター & ギャンブル。 それから 私は 行く に 行く を通して の 分析 の a より大きな データ セット よりも の 1つ それ 方宜 紹介された。 それから だった 行く に 包む 上 と a まとめ そして いくつかの 結論。

何 は 検出 限界? 検出 限界 は いつ の 測定 システム は できない に 測定、 で 少しでも 確実に、 いつ の 実際の 価値 は その上 または 下に a 特定の 価値。 もし の 実際の 価値 は、 言う、 その上 の アッパー 検出 限界、 の 測定された 価値 意思 なれ 観察された として いる で それ 限界。 のために 例、 もし a スピードメーター で a 車両 のみ 行きます に 180 キロメートル の 時間、 しかし あなた は 運転 200キロ の 時間、 それから の スピードメーター 意思 ただ 読む 180 キロメートル の 時間。

で の グラフ その上、 私たちは 見る 別の 例。 私たちは 見る 五 ヒストグラム の の 同じ データ。 の 真実 または 実際の 価値観 は 以上 ここ の上 の 左、 そして 移動中 に の 右、 私たちは 見る 何 結果 いつ あなた 適用する の 増加する 検出 限界 に これ データ。

何 起こる は 私たちは 見る これ 特性 束ねる で の 検出 限界。 いつ あなた 見る これ パターン、 その a 本当に 良い サイン それ あなた 5月 必要 に 考える について 取る 検出 限界 の中へ アカウント で あなたの 分布的な または 回帰 分析。

なぜ すべき 私たちは お手入れ について 検出 限界 で a データ 分析？ 良い、 もし あなた しないでください 取る あなたの 検出 限界 の中へ アカウント きちんと、 あなたはそうします 終わり 上 と とても 重く 偏った 結果、 そして これ リード に とても 貧しい モデル 一般化。 の 回帰 係数 意思 なれ 方法 オフ。 あなたはそうするだろう 持っている の 正しくない 応答 表面、 どれの リード に 一致した ターゲット と の プロファイラー いる 方法 オフ。

I 考える の 状況 は a 少し 少し 少ない 言う いつ 最大化する a 応答、 しかし あるよ まだ とても a 多く の 機会 のために もの に 行く 間違っている。 で 特定の、 シグマ、 あなたの 分散 見積もり 意思 まだ なれ 方法 オフ、 どれの リード に 多くの より低い 力、 あなた 持っている 完全に 信頼性の低いp- 価値観。 の 傾向 は それ 変数 選択 メソッド 意思 重く 下 選択する 重要 要因 . の 実際の インパクト それ a 要素 もっている の上 あなたの 応答 意思 なれ 劇的に 控えめな もし あなた しないでください 取る の 検出 限界 の中へ アカウント。

の 二 テーブル の パラメータ 見積り それ 私たちは 見る ここ 説明する これ とても 素敵に。 の上 の 左 は の パラメータ 見積り から a 検出- 限定 落ち着いた 普通の 分析 の a 回帰 問題。 の上 の そう、彼らは は の 結果として生じる パラメータ 見積り いつ 私たちは 無視する の 検出 限界。 私たちは 見る それ の モデル の上 の 左 は a 多く より豊かな そして それ a たくさんの 私たちの 主要 効果、 相互作用、 そして 二次関数 条項 持っている された 認めた の中へ の モデル。

一方 の上 の 右、 いつ 私たちは 無視する の 検出 限界、 だった のみ できる に 得る 1つ 主要 効果 そして その 二次関数 学期 含まれています で の モデル、 そして の 二次関数 学期 は 重く 誇張された と a 価値 の ネガティブ 11.5 について 相対的 に の 価値 で の ちゃんとした 分析 どこ それ 二次関数 学期 は 等しい に ただ ネガティブ 3.

私たちは 見る それ だった 本当に ない それ の上 a 多く の の 他の パラメーター ここ として 良い。 いつ 私たちは 取る a 見て で これ で の プロファイラー、 これ になる 本当に 見かけ上。 O n の 左、 私たちは 持っている の プロファイラー の の モデル 正しく 分析する と の 検出限界、 そして 私たちは 見る それ 全て の 要因 は そこには、 そして 全体、 の 応答 表面 は かわいい リッチ- 見てる。

の上 の 右、 私たちは 見る それ のみ の 1つ 要素、 ジクロロメタン、 もっている された 含まれています で の モデル。 T 彼 解決 に の 問題 それ あなた するだろう 得る と の 問題 の上 の 左 は おそらく それよりも 違う から の 1つ それ あなた するだろう 得る の上 の 右。

ありがとう、 クリス。 今 私は 行く に 共有 と あなた a 少し 少し 背景 の上 の 実験 の の データ 言及された による クリス、 の 時間 に 細菌性の 検出。 の 客観的 の それ 実験 だった に 理解する 敵意 影響 の 私たちの 配合 材料 または 要因 の上 a 液体 消費者 クリーニング 配合。

の 実験 だった a マイクロ 敵意 デザイン の 実験 と 36 サンプル、 そして 私たちは 持っている 五 鍵 配合 要因 あ、 B、 C、 D、 そして。 W e 持っている 二 反応 から これ 実験。 彼らは から 微生物 テスト中。 の 初め 1つ だった の 1つ 言及された による クリス。 それ は 時間 に 細菌 検出 で 二 日々、 そして それ だった 測定された による 時間。 I f 私たちは は ない できる に 検出する の 細菌 で 二 日々、 それから 時間 に 細菌 検出 は 右 検閲された で 48 時間。 それで の 検出限界 のために これ 終点 は 48 時間。

別の 終点 は ログ 削減 で モード から マイクロ 感受性 テスト中。 のために これ 終点、 何 私たちは した は それ 私たちは 追加 ある 額 の 型 に の 配合、 待って のために 二 数週間、 そして 測定 額 の 型 で の 製品 後 二 数週間。 T 鶏 私たちは 計算する の 削減 で ログ ベース 時間 型、 そして これ は の 2番 終点。

検出限界 のために これ 終点 は 六 ユニット。 T 彼の ショー あなた の 詳しい データ から の 実験、 の 初め 15 サンプル。 Y または できる 見る の 配合 要因 あ、 B、 C、 D、 そして、 そして 彼らは だった から 応答 表面 デザイン。 W e 持っている 二 エンドポイント、 の 細菌 検出 時間 で 時間 そして の ログ 削減 で 型。 の データ 強調表示された で 赤 は 右 検閲された データ。

私たちは できる 使用 ヒストグラム そして 散布図 に 視覚化する 私たちの データ として 良い として 要素 対 検閲 関係。 として あなた できる 見る から の ヒストグラム、 もっと よりも 50 % の サンプル は 右 検閲された で 48 時間。 もし の 観察 は ない 検閲された、 それから ほとんど の 彼ら 意思 なれ 下に 15 時間。

O n の 右、 私たちは 持っている の 散らばる プロット。 の 赤 丸 を示します の 検閲された データ ポイント。 あなた できる 見る それ 私たちは 持っている 検閲 で 全て レベル の の 要因 を除外する のために 要素 C. 私たちは しないでください 持っている の 検閲 で より高い レベル の C、 しかし 私たちは 観察する 検閲 で 全て レベル の の 要因。

で JMP プロ 16 そして より高い、 私たちは できる 特定 カラム プロパティ のために 検出 限界。 W 鶏 あなた 行く に カラム 財産、 あなた 探す 検出 限界、 そして それから あなた できる 特定 の より低い 検出 限界 そして アッパー 検出 限界。私 f a データ ポイント は 下に の より低い 検出 限界、 それ 手段 その 少ない 検閲された で の より低い 検出 限界。 もし a データ ポイント は より高い よりも の アッパー 検出 限界、 それから それ 手段 それ その 右 検閲された で の アッパー 検出 限界。

のために の 細菌性の 検出 時間、 私たちは 持っている の アッパー 検出 限界 そして その 48 時間。 W e 置く 48 時間 で の アッパー 検出 限界 箱。 後 私たちは 指定された 検出 限界 の上 の カラム 財産 で JMP、 それから 私たちは できる 使用 JMP 一般化された 回帰 モデリング に 分析する の データ による 取る の中へ アカウント の 検出限界。 それで これ は a 新しい 特徴 で JMP プロ 16 そして より高い。

のために これ タイプ の 分析、 私たちは 必要 に 初め 特定 の 分布 のために a 応答 そして 推定 方法。 W e 試す 違う 分布 のために の データ そして 使用 の フォワード 選択 方法、 そして 私たちは 見つかった 普通 分布 合う の データ の 最高 なぜなら それ もっている 最低 AICc.

私たちは できる また 分析する データ 無視する の 検出 限界。 Y または できる 見る それ 私たちは 意思 持っている a 多くの 小さい モデル と 五 要因 左 で の 最後の モデル。 T 彼 モデル 無視する 検出限界 意思 持っている 多くの 少ない 力 に 検出する 重要な 要因。

これ 示した あなた の 要因 左 で の 最後の モデル から の 一般化された 回帰 モデリング。 もし 私たちは 取る の中へ アカウント 検出限界 のために の 応答、 または もし 私たちは 無視する 検出限界 で の 応答。 として あなた できる 見る、 もし 私たちは 取る の中へ アカウント 検出限界、 それから 私たちは 持っている 多くの もっと 重要な 要因 で の モデル。 W e できる のみ 検出する の 効果 の C そして D そして 彼らの 二次関数 効果 で の モデル もし 私たちは 無視する 検出限界 のために 私たちの 応答。

また、 これ は 比較 の の パラメータ 見積もり から の モデル もし 私たちは 考慮する 検出限界 で の モデリング または 無視する 検出限界 で の モデリング。 無視する 検出限界 で の モデリング するだろう 与える 私たち の バイアス 見積もり の の パラメータ として 良い。

これ 滑り台 ショー あなた の 予測 プロファイラー の の 応答 もし 私たちは 実行する の モデリング による 検討中 の 検出限界 対 無視する の 検出限界。 もし 私たちは 考慮する の 検出限界 で の モデリング、 それから 私たちは 得る a モデル と 全て の 条項 で の モデル、 の 主要 効果 として 良い として いくつかの の の 交流 そして 二次関数 条項。 T 彼の モデル 作る 多くの もっと センス に 私たちの 協力者たち。

覚えて それ で より低い レベル の C そして で より高い レベル の D、 私たちは 持っている もっと 検閲 データ。 それ 手段 の 検出 時間 は より長いです そして の 予測 プロファイラー 示した それ で より低い レベル の C そして a より高い レベル の D、 の 予測された 検出 時間 は より長いです。 A また なぜなら 私たちは 持っている もっと 検閲された データ で それらの 地域、 それで の 自信 間隔 のために の 予測 P ロファイラー は もっと広い。

もし 私たちは 無視する の 検出限界 で の 分析、 私たちは 得る 多くの 少ない 重要な 要因。 のみ C そして D 示した 上 で の モデル、 そして の パラメータ 見積もり は また 偏った。 これ 1つ ショー あなた の 診断 プロット の 観察された データ の上 の そして- 軸 対 予測された データ の上 の バツ- 軸。

もし 私たちは 考慮する 検出限界 で の 一般化された 回帰 モデリング、 それ 与える 正しい 予測。 しかし もし 私たちは 無視する 検出限界 で の モデリング、 それから それ 意思 与える 正しくない 予測 のために あなたの データ。

で 追加 に の 予測 プロファイラー、 JMP 一般化された 回帰 モデリング するだろう また 与える あなた 二 プロファイラー 似ている に それらの から パラメトリック サバイバルM オーデリング プラットホーム。 それらの は の 分布 プロファイラー そして 分位数 プロファイラー。 の 分布 プロファイラー 意思 与える あなた の 失敗 確率 で a ある 組み合わせ の 私たちの 配合 要因 そして a ある 検出 時間。

の 分位数 プロファイラー 意思 与える あなた の 分位数 の の 検出 時間 で a ある 組み合わせ の 私たちの 配合 要因 そして の 指定された 失敗 確率。 T ヘセ 二 プロファイラー は 利用可能 で JMP 下 の 一般化された 回帰 モデリング。

しかし 1つ アドバンテージ の 使用して 一般化された R 出口 モデリング に 分析する 時間 に 失敗 タイプ の データ は それ それ するだろう 提供する あなた の 予測 プロファイラー、 そして これ タイプ の プロファイラー は 多くの もっと より簡単に のために 私たちの 協力者 に 理解する。 I tさん 多くの もっと強く に 説明する の 分布 プロファイラー そして 分位数 プロファイラー に 私たちの 協力者たち。

今 それ 来る に の 分析 の の 2番 終点、 の ログ 削減 で 型。 また、 私たちは できる 使用 ヒストグラム そして の 散布図 に 視覚化する 私たちの データ そして 視覚化する の 要素 対 検閲 関係。 として あなた できる 見る から の 左 ヒストグラム、 あなた できる 見る それ 私たちは 持っている a 多く の データ それ は 右 検閲された で 六 ユニット。

私たちは できる 見る 検閲 で 全て レベル の 私たちの 配合 要因、 を除外する で より高い レベル の C そして より低い レベル の そして。 T 彼の は の 地域 の 懸念。 私たちは 持っている 見た a 多く の 検閲 で より低い レベル の C そして より高い レベル の そして。 それ 手段 で より低い レベル の C そして より高い レベル の そして、 その 良い のために の 製品。 私たちは 持っている より高い ログ 型 削減。

また、 私たちは できる 使用 検出 限界 の上 の カラム 財産 に 特定 の 検出限界 のために これ 終点。 W e 使用済み アッパー 検出 限界 の 六 で これ カラム 財産。 N ああ の 次 ステップ は に 分析する これ データ 使用して の 一般化された R 出口 モデリング による 取る の中へ アカウント の 検出限界。 W e 使用 落ち着いた 普通の 分布 そして フォワード 選択。

興味深いことに、 私たちは 見つかった それ の RS なぜ？ は 1つ そして これ は とても 疑わしい。 A また、 私たちは 見る いくつかの 赤 フラグ。 の AICc 持っていた a 厳しい 落とす 後 ステップ 17. T 彼 標準 エラー の の 見積もり として 良い として の 見積もり のために の 規模 パラメータ らしい に なれ 非常に 小さい。 A また、 の 診断 プロット 示した 完璧 予測 から の モデル。 W e 知る それ の モデル もっている 過剰適合。

これ は の 予測 プロファイラー、 そして 彼らは 示した とても 狭い 自信 間隔 のために の 予測、 そして 私たちは 知っていた それ 私たちの モデル は 過剰適合。 それで 何 私たちは した のために の モデリング は それ 私たちは 試してみた a より単純な モデル による 削除する の 二次関数 条項 から の イニシャル 応答 表面 モデル。

私たちは 見つかった それ 落ち着いた 普通の と フォワード 選択 モデル 合う の データ の 最高 なぜなら それ もっている a 最低 AICc そして ビック。 T 彼の 時間、 の 解決 パス 見た目 もっと 合理的 として 良い として の 標準 エラー 見積もり の 私たちの パラメーター そして 見積もり の の 規模 パラメータ の の 落ち着いた 普通の 分布。 T 彼 診断 プロット 見た目 もっと 合理的 今。

これ は の 予測 プロファイラー の の 最後の モデル 後 私たちは 削除されました の 二次関数 条項。 これ 予測 プロファイラー 作る a 多く もっと センス。 想起 それ で より低い レベル の C そして で より高い レベル の そして、 私たちは 持っている もっと 検閲された データ あなた できる 見る ここ。 それ 手段 で より低い レベル の C そして より高い レベル の そして、 私たちは 持っている より高い ログ 型 削減。

それ 示した の上 の 予測 プロファイラー なぜなら それ もっている もっと 検閲された データ で これ 地域 そして の 自信 間隔 のために の 予測 は もっと広い。 私たちは できる また 比較する の 最後の モデル 予測 プロファイラー もし 私たちは 無視する 検出限界 で の モデリング。

もし 私たちは 無視する 検出限界 で の モデリング、 私たちは 得た 少ない 重要な モデル 要因 として 良い として 偏った 結果。 もし 私たちは 無視する 検出限界 で の 一般化された 回帰 モデリング、 それから の 2番 モデル、 どれの は 正しくない そして は 試しています に 使用 の 二次関数 学期 に 予測する で の より低い レベル の C そして より高い レベル の E. それで 泣いている に 得る の 予測的な 価値 近い に の 検出限界、 そして 私たちは 知っていた それ これ 結果 は 偏った。

方宜は うまく 示されている ここ それ の 正しくない 分析、 無視する の 検出限界、 リード に いくつかの 真剣に 偏った 結果。 そして それ 取得 の 分析 右 は 簡単 もし あなた セット 上 の 検出 限界 で どちらか の カスタム デザイナー または として a カラム 財産。

私は 行く に 行く を通して 1つ もっと 例 それ もっている 測定値 で 違う 回、 どれの 追加します a 少し 少し もっと 複雑 に の モデル セット 上、 そして で 私たちの 場合、 必須 いくつかの テーブル 操作 に 得る の データ で の 右 フォーマット。

ここ は の データ テーブル の の 2番 エネルギー省 で 基本的に の 形状 それ それ 元は 来た に 私たち。 で これ データ、 私たちは 持っている 8 要因、 A を通して Hさん、 そして の データ もっている 測定値 1で 2日目 日々、 そして 7 日々。 元は、 私たちの 意図 だった に 分析する の 3 日々 別々に、 しかし いつ 私たちは フィット の 日 7 データ、 の 自信 間隔 の上 の 予測 だった 巨大な。

それ だった 見かけ上 それ そこには だった それで 多くの 検閲 それ 私たちは だった できない に フィット の モデル、 そして それで 私たちは だった どちらか 行く に 持っている に 来る 上 と 別の 戦略 または 戻る 離れて から いくつかの の 私たちの モデリング 目標。 何 私たちは 終了しました 上 やってる だった 私たちは 使用済み a スタック 手術 から 下 の テーブル メニュー それで それ の 反応 から 違う 日々 するだろう なれ 組み合わせた 一緒に の中へ a シングル カラム、 そして 私たちは 追加した 日 として a カラム それ 私たちは できた 使用 として a 回帰 学期。

で の ヒストグラム の ログ 削減、 私たちは 見る の 特性 束ねる で の 検出 限界 の 五。 組み合わせる の データ のように これ 確かに らしい に 持っている 改善された の インパクト の 検閲 の上 の デザイン そして うまくいけば 許可します 私たち に 作る もっと 効果的 使用 の 全て の データ それ 私たちは 持っている。

として で の 前の 例、 私たちは 始める オフ フィッティング a 満杯 RSM モデル、 しかし で これ 場合、 なぜなら 私たちは 持っている 日 として a 学期、 私たちは 追加 a 日 そして 交流する 全て の の RSM 条項 と 日 で の フィット モデル 打ち上げ ダイアログ 前 に 持ってくる 上 の 一般化された 回帰 プラットホーム。 また、 だった 行く に 使用 の 落ち着いた 普通の 分布 として 私たちの イニシャル 応答 分布。

なぜなら これ は a 大きい モデル、 私たちは できない 使用 最高 サブセット 選択、 それで 私たちは 使用済み 剪定された フォワード 選択 として 私たちの モデル 選択 基準。 私たちは 試す の 落ち着いた 通常の、 ガンマ、 そして 普通 配布物、 そして 明らかに の 落ち着いた 普通の 来る 外 として の 最高 分布 なぜなら その A ICc は 205.3、 どれの は もっと よりも 10 少ない よりも の 2番 最高 分布、 どれの だった の 普通、 だれの A ICc だった 257.

ここ、 の モデル フィット 見た目 本当に 合理的 と 何もない 疑わしい。 の 解決 パス 標準 エラー、 規模 パラメータ、 そして の 実際の による- 予測された プロット 全て 見て かわいい 良い そして 現実的。 あるよ a 少し 少し の 束ねる 下 で の 低い 終わり の の 反応、 しかし の 考え は それ そうではなかった 期限 に a 検出 限界、 ただ a 一部 の の 慎重さ の の 測定 システム で より低い レベル の 削減。

今、 もし 私たちは 繰り返す これ 分析、 無視する の 検出 限界、 それ ガイド 私たち に向かって の 普通 分布。 ここ 私たちは 見る の プロファイラー のために の モデル それ 法人化された の 検出 限界 の上 の 上 そして の モデル それ 無視されました の 検出 限界 の上 の 底。

として で の 他の 例、 私たちは 見る それ の サイズ の の 効果 は 劇的に ミュートされた いつ 私たちは 無視する の 検出 限界 そして 私たちは 得る とても a 違う 話 として あるよ a 強い 関係 間 ログ 削減 で 要素 E いつ 私たちは 取る の 検出 限界 の中へ アカウント きちんと、 そして それ 効果 は 真剣に ミュートされた いつ 私たちは 無視する の 検出 限界。

もし 私たちは 比較する の 実際の による- 予測された プロット のために の 二 モデル、 の モデル と の 検出限界 取られた に アカウント きちんと は よりきつい その周り の 45- 程度 ライン のために の 無修正 観察。 W e 見る それ の モデル 無視する の 検出 限界 は ただ 一般的に 少ない 正確な として の 観察 は もっと 広める 外 横切って の 45- 程度 ライン。

それらの は 私たちの 二 場合 勉強します。 で まとめ、 I 欲しい に 繰り返す それ 検出 限界 は とても 一般 で コミカル そして 生物学的 勉強します。 として 私たちは持っています 見た で 私たちの 場合 勉強、 無視する 検出 限界 紹介します 厳しい モデル 偏見。 T 彼 ほとんど 重要 メッセージ は それ 使用して の カラム 財産 または 設定 上 の 検出 限界 で の カスタム デザイナー 作る 分析する 検出- 限定 データ 多くの より簡単に に 得る 正しい。

そこには は いくつかの 落とし穴 に 時計 外 のために で それ もし あなた 見る 標準 エラー それ は 非現実的に 小さい、 または モデル は 非現実的に 正確な、 あなた 5月 必要 に 戻る オフ から の 二次関数 条項 または おそらく 平 交流 条項。

私たちは 示されている どうやって ヒストグラム できる なれ 使用済み に 識別する いつ 私たちは 持っている a 検出 限界 状況。 その 役に立つ に 見る の 検閲 関係 間 違う 要因、 なぜなら もし そこには は 大きい コーナー の の 要素 空間 どこ 全て の 観察 は ない、 それから 私たちは 5月 ない なれ できる に フィット 相互作用 で それ 地域 の の デザイン 空間。

A 得、 もし の モデル 見た目 あまりにも 良い に なれ 真実、 行く 先に そして 試す a より単純な モデル、 戻る オフ a 少し。 それは 全て 私たちは 持っている のために あなた 今日。 I 欲しい に 感謝 あなた のために あなたの 注意。

起こるエネルギー省統計とモデリングRe: 一般化回帰を使用して、検出が限定された応答を持つ計画された実験を分析する (2023-EU-30MP-1308)

オーバーフィッティングのリスクを軽減するために、AICC の代わりになげなわや弾性ネットを使用してみてはいかがでしょうか?