你好， 每个人， 和 欢迎 到 跳转 发现。
安德鲁 卡尔 和 希思 冲啊。
I 有 a 推介会 今天 那是 去 到 强调
一些 的 这 特征 在 跳转 17 赞成 将要 帮助 你 出去
在 这 世界 的 混合物 模型。
许多 的 你 是 涉及 在 配方，
和 到 是 诚实的， 那是 什么 我们已经 到过 正在做 a 很多 最近。
是 a 很多 喜欢 救护车 追逐者， 在哪里 出色地 只是 去 后
这 最新的 事物 顾客 是 感兴趣的 在。
但 那是 什么 是 看到 a 很多 最近， 是 乡亲们 那 是 正在做 混合物 模型
那 是 实际上 相当 复杂的 和 更多的 所以 比 我们会 曾经 知道。
我们 只是 决定 我们 会 做 一些 更深 调查
和 一些 的 这 新的 过时的技术，
和 那 跳转 17 执行 为了 我们。
安德鲁， 会 你 喜欢 到 得到 开始 和 或许 给 a 小的 少量 的 背景
在 这 所有的 主意 的 什么 a 混合物 模型 是，
和 一些 的 这 其他 技术？
好的， 所以让我们 开始 出去 和 a 好的， 简单的 图形。
让我们 拿 a 看 超过 这里 在 这 阴谋 在 这 左边。
是 在 一个 实验 环境，
所以现在 I 认为 我们已经 得到 二 因素，
成分 A 和 成分 B, 和 他们 范围 从 0-1。
如果 有 不 混合物 约束， 然后 一切 在 这 黑色的 正方形
是 a 可行的 观点 在 这 因素 空间，
所以 我们的 设计 常规 是 去 到 给 我们 点 某处 在 这 空间。
然而， 如果 有 a 混合物 约束
在哪里 这些 有 到 添加 向上 到 一， 然后 仅有的 这 红色的 线 是 可行的。
我们 想 到 得到 a 有条件的 最佳
给定 那 约束， 和 我们 想 到 结尾 向上
某处 在 那 线 为了 两个都 我们的 设计 和 我们的 分析。
如果 我们 移动 向上 到 三 混合物 原料，
一个， B 和 C, 全部 有能力的 到 各不相同 从 0-1，
然后 我们 得到 a 立方体 为了 那 0-1 约束 为了 每个 的 他们。
但 和 这 混合物 约束， 那 需要 这 形式 的 a 飞机
相交 a 立方体， 和 那 给出 我们 这 三角形，
所以 仅有的 这 红色的 三角形 是 相关的 出去 的 那 全部的 空间。
如果 我们 有 四 方面， 如果 我们 有 四 混合物 因素，
然后 那 允许 因素 空间 是 实际上 a 三- 维度 子集，
a 金字塔 之内 那里。
寻找 后退 到 这 三- 混合物 环境。
看 这 三角形？ 那是 这 允许 地区。
出色地， 那是 为什么 跳转 给出 我们 这些 三元 地块。
对于这些三元图，
什么 跳转 将要 做 是， 如果 你 有 更多的 比 三 混合物 因素，
是 你会 有 二 因素 显示 在 a 时间，
和 这 第三 轴 将要 是 这 和 的 全部 这 其他 混合物 因素。
我们 能 看 在 这些 三元图， 相当 比 拥有 到 有 a 金字塔
那 是 寻找 自始至终。
我们 有 到 决定， 我们 想 a 空间填充设计
或者 一个 最佳的 设计？
现在， 通常情况下 在 a 非混合 环境， 我们会 通常情况下 使用 一个 最佳的 设计，
和 为了 这 最多 部分， 我们 不会 考虑 a 空间填充设计。
有 a 很少 原因 那 我们 想 到 考虑
a 空间填充设计 在 混合物 设置。
经常 在 这 配方 世界， 如果 你 去 也 远的，
有 a 小的 少量 更多的 敏感度 到 去 也 远的 在 你的 因素 空间，
制作 它 也 宽的， 然后 你的 全部的 过程 失败。
S 假设 那 发生 超过 这里 在哪里 X2 是。
认为 它 失败 一切 以下 0.1。
你是 去 到 失去 a 好的 块 你的跑步 因为 这 最佳的 设计
倾向于 放 最多 的 你的 运行 在 这 边界 的 这 因素 空间，
所以 你是 去 到 失去 这些。
你是 不是 去 到 是 能够运行 你的 满的 模型
和 这 其余的 点， 和 你是 不是 去 到 有
任何 好的 信息 关于 在哪里 那 失败 边界 是。
为了 这 空间填充设计， 如果 你 有 一些 种类 的 失败
低于0.1， 你是 失败 a 更小 数字 的 點。
你的 其余的 点 仍然 给 你 a 空间填充设计
在 这 现存的 空间 那 你 能 使用 到 合身 这 模型 效果，
现在 是 去 到 是 有能力的 到 模型 那 失败 边界。
还 在 这 混合物 世界， 我们 经常 看 更高 命令 效果 积极的：
相互作用 或者 曲率， 多项式，
比 我们 可能 看 在 这 非 混合物 环境。
如果 我们 不 指定 那些， 因为 任何 的 这些 模型 是 最佳的，
有条件的 在 这 目标 模型 我们 给， 所以 如果 我们 不 指定 一个 影响 操作员
为了 这 最佳的 模型， 我们 可能 不是 是 有能力的 到 合身 它
后 这 事实， 因为 他们 可能 是 别名
和 其他 效果 那 我们 有。
这些 空间填充 运行 行为 作为 a 抓住- 全部 的 可能的 跑步，
所以 有 a 夫妻 的 原因
那 我们 可能 想 到 考虑 空间 填充 跑步，
但 我们 想 到 拿 a 看 分析地。
什么是 这 不同之处 在 表现 之间 这些，
后 我们 跑步 通过 模型 减少， 不是 只是 在 这 满的 模型，
因为 是 不是 只是要 是 使用 这 满的 模型。
那是 这 设计 阶段 问题。
什么时候 我们 到达 这 分析，
每当 你是 寻找 在 这些 混合物 实验 在 跳转，
跳转 自动地 转弯 离开 这 截距 为了 你，
因为 如果 你 想 适应 满的 模型
和 全部 的 你的 混合 保持 效果， 你 不能 包括 这 截距。
你会 得到 这 警告
因为 这 混合物- 制成 效果 是 受限 到 一，
和 他们 添加 向上 对什么 这 截距 是， 所以 他们是 別名。
还， 如果 我们 想 到 看 在 更高 命令 效果，
我们 不能 是 喜欢 a 回复 表面 在哪里 我们 有 纯的 二次函数 條款。
我们 有 到 看 在 这些 厨师 立方体 条款
因为 如果 我们 尝试 到 看 在 这 相互作用
加 这 纯的 二次函数 条款， 然后 我们 得到 其他 奇点。
那些 是 a 夫妻 的 皱纹 在 这 分析。
然而， 去 向前 和 这 模型 选择 方法，
向前 选择 或者 套索， 哪个 是 这 根据 方法
的 这 一切 方法 是 去 到 是 寻找 在，
我们 想 到 考虑 有时 转动 离开 这 默认 '不 截距' 选项。
什么 我们 寻找 是 为了 这 套索方法 我们 实际上 有 到 做那件事
在 命令 到 得到 合理的 结果。
后 我们 合身 我们的 模型， 现在 我们 想 到 做 模型 减少
到 踢 出去 无关 因素。
我们 得到 a 夫妻 的 不同的 方法 的 正在做 那 在 根据 跳转 .
大概 什么 人们 做 最多 频繁地 是 他们 使用 这 影响 概括
到 去 向后 在 这 对 价值观， 和 踢 出去 这 小的 对 值。
但 这 是 漂亮的 不稳定 因为 的 这 多重共线性
从 这 混合物 约束， 在哪里 踢 出去 一 影响
能 急剧地 改变 这 p 值 的 这 其余的 效果 在 这 设计。
什么 这 阴谋 节目 是 如果 我们 去 向后 在 对 价值观，
什么 是 这 最大的 p 值 那是 踢 出去
和 我们 看 有些跳来跳去 这里 和 那是 从 那 影响。
鉴于 那 种类 的 挥发性 在 这 配件 过程，
你 能 想象 如果 你 有 小的 变化
在 你的 观察到 回复 或许 甚至 从 测定 可变性，
或者 任何 其他 可变性， 只是 小的 变化 能 带领
到 大的 变化 在 这 减少 模型
那 是 呈现 作为 a 结果 的 这 过程。
那 高的 模型 变异性 是 某物 那会 是 好的
如果 我们 可以 平均的 超过 在 一些 方式， 在 这 相同的 方式 那 或许
和 引导程序 为了 东方 我们 平均的 超过 这 变异性
的 这 大车 方法 或者 这 分割 方法
和 那是 什么 这 一切 方法 会 是 寻找 在 正在做。
在 这 松动的 感觉， 他们是 种类 的 这 类似地，
为了 这 线性 方法 是 寻找 在。
还 我们 能 前往 步 明智的 和 看 在 最低 AICc，
哪个 是 或许 这 首选 方法。
在我们的 最后的 滑动 节目 今天 出色地 是 服用 a 看 在，
为了 这 根据 跳转 用户， 人工智能 相对 B 我知道了 相对 p 值 选择
和 我们的 模拟 诊断。
给 信用 到 a 很多 的 这 现存的 工作 和 领导 向上 到 这 一切 方法。
这些 是 一些 伟大的 参考 那 我们已经 用过的 超过 这 年。
还 想 到 感谢 克里斯 哥特瓦尔特 为了 他的 耐心 和 回答 问题
和 分享 信息 作为 他们已经 发现 事物 沿着 这 方式。
这真的 帮助 放 我们 向上 到 是 有能力的 到 放 这 到 好的 影响 在 实践。
请讲 的 在 实践， 在哪里 有 我们 到过 使用 这 相当 a 少量
超过 这 年 是 这 环境 的 液体 纳米粒子 配方 优化。
什么 是 脂质 纳米粒子 配方？ 那么，脂质纳米颗粒，
如果 你已经 得到 任何 信使RNA 冠状病毒 疫苗 辉瑞公司， 现代的， 然后 你已经 得到 这些。
什么 这些 做 是 你 拿 a 混合物 的 四 不同的 脂质， 总结 这里，
和 他们 形式 这些 小的 小小的 气泡。
然后 那些 是 电 带电，
然后 他们 携带 沿着 和 他们 a 遗传 有效载荷，
mRNA， 脱氧核糖核酸， 或者 其他 有效载荷 那 任何一个 充当 疫苗
或者 能 目标 癌症 细胞。
这 电的 收费 之间 这 遗传 有效载荷，
进而 这 对面的 收费 在 这 纳米粒子 是 什么 结合在一起。
然后 我们 想要它 到 得到 通过 这 细胞 和 然后 发布 这 有效载荷 里面。
这 配方 变化 取决于 在 什么 这 有效载荷 是。
A 伊索 有时 我们 可能 改变 这 类型 的 可电离 脂质，
或者 这 类型 的 他 尔珀 脂质 到 看 哪个 一 做 更好的，
所以 我们 有 到 重做 这 过程 超过 和 超过。
为了 这 最多 部分， 这 科学家 有 成立 那 这些
范围 的 或许 10-60% 这 脂质 设置
进而 a 更窄 范围 的 1-5%。
那是 为了 这 最多 部分 这 可行的 范围 为了 这 过程。
那是 到过 探索 出去， 和 那是 什么 这 几何学
我们 想 到 匹配 这里 在 我们的 应用 是。
我们 想 到 假设 结构 是 正在做 一遍又一遍，
我们 有 一个 理想的 分析 和 设计 方法 为了 那？
A 伊索 我们 想 到 放 向上 a 模拟 那 如果 是 寻找 在 其他 结构，
其他 几何图形 为了 这 因素 空间， 或许 我们 能 概括 到 那，
但 那是 去 到 是 我们的 重点 为了 正确的 现在。
鉴于 那 背景，
我是 去 到 让 吉姆 现在 总结 这 一切 方法 和 讲话 关于 那。
是的， 感谢 你。
这 特别的 发现 推介会，
什么 是 去 到 做的是 a 小的 更居中一点 在 微软幻灯片软件，
很遗憾， 因为 这 结果 是 真的 什么 这 是 全部 关于
为了 这 模拟 那 我们已经 完毕。
但 这 特别的 会议， I 将要 展示 你 一些 的 这 跳转 17
那 我们 有 新的 能力。
如果 I 去 和 I 想 到 放 向上 a 空间填充设计...
现在， 之前 我们 不是 能够做到 混合物 模型 和 空间填充设计
从 出去 的 这 盒子， 如果 你 将要。
我们 当然 可以 放 约束 在 那里，
但 现在 什么 我们 想 到 做 是 展示 你 如何 你 能 做
a 太空F 填充 设计 和 这些 混合物 因素。
这 是 新的 那 I 现在 有 这些 来 在 作为 混合物，
哪个 是 好的 因为 它 现在 携带
全部 的 那些 柱子 特性 和 它 作为 出色地。
一 事物 值得 提及 正确的 现在是
这 默认 是 你是 去 到 得到 10 运行 每 因素，
所以 40 运行 在 a 美国能源部 通常 是 好的
和 我们 是 高兴，因为 我们的 权力是 出色地 多于 90%
或者 任何 我们的 标准 是。
但 那是 不是 这 案件 [听不清 00:09:54] 这些 混合物 模型
因为 有 所以 许多 约束 固有 在 它。
什么 那 是 告诉 我， 很遗憾， 是 甚至 如果 I 是 到 有 40 跑步，
ID 仍然 仅有的 有 5% 力量 从 正在做 厨师 立方体
和 甚至 如果 它是 主效应 仅有的， 有 仅有的 20% 力量。
力量 现在 是 不是 真的 a 设计 标准 那 是 去 到 看 到
什么时候 我们 做 这些 混合物 模型。
现在， 通常 在 我们的 应用程序，
很遗憾， 我们 不 有 这 奢华 的 拥有 40 运行。
在 这 案件 出色地 做 12 运行 和 看 如何 那 来 出去。
出色地 去 前方 和 制作 那个空间 填充 设计，
和 你可以看到它 或许 均匀地 传播 自始至终 这 表面。
的 课程， 我们 做 知道 是 有界 和 一些 的 这些 伙计们 这里
那 我们 只能去 从 1 -5% 在 这 聚乙烯 乙二醇。
什么 I 想 到 现在就做 是 只是 去 到 快速地 向前。
现在 让我们 说 我已经 跑步 这 设计 和 我是 准备好 到 做 这 分析。
这 是 在哪里 一切 是 真的 制成 巨大的 进展
和 如果 你 听 到 一些 的 克里斯 和 菲尔 拉姆齐的 工作
出去 那里 在 跳转 社区， 你会 看 这 是 a 步 改变。
这 是 a 游戏 改变 在 条款 的 你的 分析 能力。
如何 会 我们 做 这 在 16？
在 跳转 16 什么 我们会 有 到 做 是 我们会 有 到 来 通过，
事实上 它是 值得 去 通过 步 只是 因为 它 给出 你
a 小的 少量 的 洞察力， 尽管 这 基本的 使命
的 这 简报 或者 这 讲话 是 不是 一切，
它 将要 给 我们 一个 主意 的 什么是 去 在。
什么 我们 能 做 这里 是 我们 能 去 前方 和 出色地 制作 这 汽车 验证 桌子。
这 是 这 跳转 16 方法论。
什么 你会 笔记 这里 是 我们已经 走了 从 12 运行 到 24.
我们 只是 加倍 他们 和 你 看 这 验证 放。
这 训练 可能 是 前 12 个，验证 这 下一个 12.
那是 什么是 额外 和 然后 我们 有 这 重量。
这 是 这 引导程序 重量 和 它是 分数地 加权。
什么 发生 是 我们 将要 去 前方 和 跑步 这 模型
和 来 向上 和 a 预测 价值，
但 然后 我们 需要 到 改变 这些 重量 和 然后 保持 正在做 这 超过 和 超过
为了 我们的 Bootstrap，就像 a 随机的 森林， 主意 为了 这 一切。
现在 什么 是 有用 是 到 种类 的 拿 a 快的 看。
什么 是 这 几何学 的 这些 重量？
我们 能 看 他们是 反对- 相关的，
意思是如果在 这 训练 放 我 低的，
我是 大概 去 到 是 高的 在 这 验证 放。
这 是 种类 的 a 快的 小的 视觉的 的 那 关系。
现在 我是 准备好 到 去 做 我的 分析 在 跳转 16.
它 会 是 分析 和 我们会 只是 做 我们的 合身 模型。
的 课程， 我们 想 a 广义的 回归
和 出色地 去 通过 和 做 a 厨师 立方体 这里，
因为 它是 a 混合物。
但 这是 在哪里 我们 有 到 添加 在 这 步，
我们 放 这 验证集 作为 你的 验证 柱子
和 然后 这 验证 重量 是 去 到 是 那 频率。
现在 I 能 跑步 这。
经过 这 方式 我们 可以，
在 许多 的 我们的 实例 是 不是 普通的， 是 日志 普通的，
我们 可以 放 那 在 正确的 那里。
这里 我们 有 我们的 广义的 回归 能力
到 去 前方 和 跑步 这 模型 和 瞧， 那里 是 这 估计。
什么 我们 会 做 那么我们来这里 在下面 这 节省 这 预言 公式。
然后 这里 是 一 跑步。
好的， 所以 我们 得到 一 跑步。
你 能 看 那 这 顶部 是 15.17， 和 我们 实际上 锯 15.23，
所以 不是 坏的 在 这 模型，
但 我们 会 做 这 超过 和 超过。
我们 用过的 到 做 它 关于 50 次 或者 所以。
但 和 跳转 17， 现在 这 所有的 过程 是 自动化 到 我们。
我们 不 有 到 做 这 50 次 和 然后 拿 这 平均的
的 这些 预言 公式。
是 有能力的 到 去 直接地 在 它。
如果 I 来 后退 到 我的 原来的 设计 这里 和 这 回复，
I 能 得到 正确的 在 它。
经过 这 方式， 这 是 表明 I 有 其他 约束 放 在 这里。
A 很多 的 次 我们 有 这 化学家 和 生物化学家 喜欢 到 看 那
到 制作 当然 那 这 比率基于 分子 重量 是 之内 原因。
不是 仅有的 做 我们 有 这 混合物 约束，
我们 还 有 a 很多 的 其他 限制。
我是 在职的 和 a 组在哪里 我们 有 或许 15 不同的 原料
和 大概 三十 约束 在 添加 到 这 混合物 约束，
所以 这些 方法 工作 并扩大规模，
大概 是 这 最好的 方式 到 说 它， 漂亮的 出色地。
现在 这 是 17， 所以 17 I 能 得到 正确的 在 它。
我是 去 到 去 前方 进入 合身 模型， 和 患病的 去 前方 和 做 a Scheffé Cubic。
从 这里， 什么 是 有能力的 到 做 来了 进入 a 广义的 回归。
在 这 案件， 我们 不 需要 到 担心 关于 这些 伙计们 在 这里。
我们 能 改变 它 到 对数正态 如果 我们 所以 欲望。
一 的 我的 选择 在 这 估计
反而 的 向前 是 在 事实 一切 向前，
所以 I 做 全部 向前 和 我是 去 到 去 做 200.
你会 看看有多快 他们 有 这 调好。
真的 仅有的 事物 你 能 做 在 先进的 控件
是 查看 无论 或者 不是 你 想 到 力量 a 学期 在。
I 打 去 和 瞬间 我已经 完毕 200 引导程序 样品 为了 这 问题。
的 课程， I 现在 能 看 在 这 分析器
和 那 是 这 平均的 的 这 200 运行。
那是 种类 的 我的 结尾 模型， 如果 你 将要。
的 课程， 和 预言 分析器，
那里 有数百 的 事物 你 能 从这里开始
和 安德鲁 将会触及 在 a 夫妻 更多的 的 那些。
但 二 其他 事物 值得 注意到 这里，
患病的 节省 这 预言 公式 作为 出色地 和 拿 a 看 在 那 家伙。
什么时候 I 看 在 这 预言 公式，
患病的 笔记 那 它 是 在 事实 已经 平均 出去 为了 我 这里。
这 是 平均值 200 不同的 样品 那 是 出去 那里。
和 那， 那 是 这 演示，
和 出色地 去 后退 到 寻找 在 这 图表 那里 到 说，
“嗯，什么 是 它 那 是 看到 在 条款 的 这 结果 的 全部？”
安德鲁， 如果 你 想 到 拉 向上 那 滑动。
这 是 或许 a 快的 视觉的。
你 能 看 那 如果 I 看 在 那些 第一的 三，
在 这 案件， 红色的 是 坏的。
什么 是 寻找 在 这里 是 这 名义上的 覆盖范围。
这 是 a 混合物 模型
在 这 预测最优值 点 的 表现。
我们 能 看 那 这 标准 步 明智的 伙计们 是 不是 正在做 也 出色地。
那是 这 落后 和 向前 AIC。
这 是 这 覆盖范围 率。
我们会 喜欢 它 到 是 a 名义上的 5% 错误 那 我们 不 实际上 看
这 真的 回复 在 这 预言 或者 实际上 这 信心 间隔。
在 其他 字， 什么时候 我们 看起来 在 这 轮廓
那 我们 只是 锯，它给了我们 a 预言 或者 信心 间隔
曾是 这 真的 价值，
哪个 我们 知道 因为 是 玩 这 模拟 游戏， 正确的？
我们 知道 什么 这 真的 价值 是， 什么 百分比 的 时间 曾是 那 在 那里？
我们 能 看 那 我们 不 做 作为 出色地 和 我们的 古典 方法。
这 满的 模型， 放置 全部 这 条款中，
套索 做 漂亮的 出色地 在 a 10% 速度 或者 所以，
但 它是 不是 直到 我们 得到 SVEM 方法 这里 那 我们 开始 看到
那 是 确实 捕获 和 得到 好的 覆盖范围。
A 好的 或许 图片 到 保持 在 你的 头脑，
那 我们 是 方式 表现优异 一些 的 这 其他 方法 出去 那里
什么时候 它 来 到 这 能力。
现在， 在 条款 的 如何 这 模拟，
什么 是 聚焦 在 这里 是 a 小的 少量 不同的 比 什么 你 可能 想想，
在 条款 的 a 模拟 在哪里 我们正在寻找 在 a 模型 和 说，
“如何 出色地 做过 我们 做 和 这 特别的 方法？”
我们 可以 措施 那 经过 如何 这 实际的 相对 这 预测 是
和 然后 我们会 得到 某种 a 意思是 平方 错误。
我们 做 追踪 那 价值，
但 我们 寻找 在 我们的 工作， 是 很多 更多的 担心的 关于 发现
那 最佳的 混合物， 如果 你 将要， 和 这 最佳的 设置 那 达到 我们
a 最大限度 效力 或者 尽量减少一些副作用
或者 帮助 我们 和 这 [听不清 00:18:58]
那是 去 到 是 被称为 “百分比 的 最大限度” 那 是 寻找 为了。
是 去 到 使用 那 作为 我们的 基本的 回复 这里
在 条款 的 存在 有能力的 到 评价 哪个 方法 跑赢大盘 其他的。
它是 不是 真的 去 到 是，
如何 远的 离开 是 I 从 这 地点 的 这 最佳的 价值？
它是 如何 远的 是那个 回应 I 预测 作为最优
如何 远的 是 那 从 这 实际的 最佳？
那是 去 到 是 我们的 措施 的 成功。
这 方式 这 将要 工作 是 患病的 是 询问 安德鲁 a 很少 想法 这里
在 条款 的 什么 通常 来 向上 在 实践。
I 锯 这 几何学 他展示了 我 早期的 在
和 这 最佳的 设计 曾是 总是 打 这 边界。
什么 如果 I 喜欢 事物 那 我们 称呼 更多的 混合， 正确的？
你 有 更多的 混合 东西 在 这 中间，
空间填充， 哪个 是 更好的。
如果 I 做 使用 一个 最佳的 设计，
它 默认值 到 D 或许， 但 什么 关于 I 和 一个？
然后 如何 关于 这 年龄- 老的 美国能源部 添加 中心点？
是 那 聪明的？ 或者 是 一 中心点？
或者 如何 关于 复制？
我们 已经 讨论 如何 是 不是 存在 有帮助的，
所以 什么 是 a 有帮助的 措施 的 a 好的 设计？
那是 这 设计 片， 但 还 这 分析 一块是，
是 那里 a 特别的 方法 那 表现优异 每个人，
或者 是 那里 肯定 区域 那 我们 应该 重点 在
使用 套索 和 其他的，
那 我们 应该 只是 使用 SVEMs 为了 选择？
这些 是 实际的 问题 那 来 向上 从 全部 的 我们的 顾客，
和 我们会 喜欢 到 分享 和 你
一些 的 这 结果 那 我们 得到 从 这 模拟。
安德鲁， 你 想 到 给 我们
a 小的 少量 更多的 洞察力 进入 我们的 模拟 过程？
是的， 谢谢， 吉姆。
前 I 做 那，
I 只是 想 到 观点 出去 一 工具
那 我们已经 制成 重的 使用 的 在 这 分析 的 我们的 结果，
和 很遗憾， 我们 不 有 时间 到 深入研究 进入 这 演示，
但 它 有 到过 所以 有用的是， 之内 这 分析器
到 看 在 这 输出 随机的 桌子 为了 这些 混合物 设计
和 到 看 在 这 回应 尤其，
我们 频繁地 有 效力 边 效果。
我们 有 多种的 回复
我们想要 平衡 那 出去 和 这 可取性 功能，
和 然后 是 去 到 看 在 这 个人 回应 他们自己。
什么时候 我们 输出 a 随机的 桌子， 我们 得到 a 空间 填充 设计，
基本上 不是 a 设计， 但 我们 充满 向上 这 全部的 因素 空间，
和 是 有能力的 到 看 在 这 边缘 影响
的 每个 的 这 因素 超过 这 全部的 因素 空间。
为了 例子， 为了 这 电离 脂质 类型，
什么 出色地 频繁地 看 是， 我们 能 看 那 或许 一 有
a 降低 边缘 行为 超过 这 全部的 空间。
但 自从 是 想要 到 优化，
我们 关心 关于 什么 这 最大限度 的 每个 的 这些 是，
和 一 的 这些 将要 清楚地 是 更好的 或者 更糟。
是 寻找 在 这 减少 模型。
后 他 适合 他们， 出色地 去 到 这 分析器 和 做 这。
我们 能 仍然 得到 这 分析 最佳 从 分析器，
但 在 添加 到 那，
这 给出 我们 更多的 信息 外部 的 只是 那 最佳。
什么 我们 可能 做 这里 是 为了 候选人 跑步，
因为 我们 总是 跑步 我们的 确认 运行
后 这些 配方 和 优化 问题
是 我们 可能 跑步 这 全球的 最佳 这里 为了 H 102，
我们 可能 挑选 出去 这 有条件的 最佳 为了 H 101
和 看 哪个 一 做 更好的 在 实践。
还， 寻找 在 这 三元 情节，
如果 我们 颜色 那些 经过 可取性 或者 经过 这 回复，
我们 能 看 这 更多的 或者 较少的 理想的 区域
的 那 混合物 空间，
所以 那 能 帮助 我们 作为 我们 任何一个 增强 这 设计
或者 任何一个 包括 额外的 区域 在 这 因素 空间，
或者 到 排除 区域。
I 不能 做 很多 更多的 和 那 正确的 现在，
但 I 通缉 到 观点 那 出去
因为 那是 a 非常 重要的 部分 的 我们的 分析 过程。
如何 做 我们 评价 一些 的 这些 选项
之内 这 类型 的 几何学 的 a 因素 空间？
我们 建造 a 模拟 脚本 那 我们 有 共享 在 这 跳转 网站，
和 它 允许 我们 到 插头 和 玩 为了 不同的 样本 尺寸 在 全部的，
如何 许多 运行 在 这 设计？
我们 有 a 真的 形式 选择
那 给出 我们 这 真的 生成 功能 在后面 这 过程，
a 设计 类型， 任何一个 空间 填充 或者 最佳的。
这 最佳的 设计 现在 是 去 到 是 的 a 肯定 最低限度 尺寸
基于 在 这 数字 的 效果 那 是 定位。
做 我们 有 a 第二 -命令 模型， a 第三 -命令 模型，
a Scheffé Cubic 模型？
什么 做 我们 有？
通常情况下， 每当 你 建造 a 模型 和 风俗 设计 在 跳转，
它 写道 a 模型 脚本 出去 到 你的 桌子 和 然后 你 使用 那 到 分析 它。
出色地， 某物 我们已经 探索 是 允许 a 更富有 模型
比 什么 我们 得到， 什么 我们 目标，
和 是 我们 有能力的 到 使用 这些 方法 和 一切
和 得到 额外的 改进 结果，
甚至 尽管 我们 没有 起初 目标 那些 效果 在 这 设计？
这 短的 回答 那里 是 是的。
那是 某物 别的 我们 想 到 考虑，
所以 我们 允许 我们自己 和 这 有效的 选择
到 包括 额外的 效果。
我们 能 看 在 这 影响 的 添加 重复 或者 中心点
和 那 风俗 醉酒驾驶 对话 到 执行 那些。
如何 做 那 影响 我们的 回复？
因为 任何 的 这 摘要 那 你 得到 出去 的 这 设计
和 出去 设计 诊断 是 开始 目标 这 满的 模型，
任何一个 和 尊重 到 预言 变体，
D-最优，你正在看 标准 错误 为了 这 参数。
但 什么 我们 真的 关心 关于 是 如何 好的 是 这 最佳
那 是 得到 出去 的 这，
所以 那是 什么 是 去 到 拿 a 看 在 和 这些 模拟。
为了 这 最多 部分 在 这些 最低工资标准 优化 场景，
a 很多 的 次， 出色地 来 穿过 二 情況。
这 科学家 将要 说， “我 得到 关于 12 运行 可用的，
和 或许 它是 不是 那 重要的 的 a 过程，
或者 这 材料 是 非常 昂贵的，
和 I 只是 需要 到 做 这 最好的 I 能 和 12 运行。 那是 什么 我已经 得到。”
或者 它 可能 是 某物 在哪里 他们已经 得到 a 预算 为了 40 跑步，
和 他们 能 合身 a 满的 第二 -命令 模型
加 第三 命令 混合物 效果，
和 我们 想 到 尝试 到 表征 这 全部的 因素 空间
和 看 什么 这 回复 表面 看起来 喜欢 超过 这 所有的 事物。
那些 是 这 二 场景 是 去 到 是 目标 在 我们的 模拟。
吉姆， I 思考 你 有 一些 问题
关于 表现 在下面 不同的 场景。
什么 曾是 你的 第一的 问题 那里？
I 做过。
I 猜测 什么时候 I 思考 关于 a 12- 跑步 设想 这里，
和 如果 I 只是 去 和 这 默认， ID 得到 a D -最佳的
和 它 会 是 主要的 效果 仅有的。
I 认出 I 可以 做 这 空间 填充 喜欢 I 只是 做过，
但 我的 问题 是， 如果 I 做 这 默认，
哪个 一 的 这 分析 方法 会 是 首选？
或者 是 那里 一？
好的， 所以 服用 a 看 在 那。
为了 这 D- 最佳的 设计， 作为 a 一般的 规则，
它是 去 到 放 几乎 全部 的 它是 运行 沿着 这 边界 的 这 因素 空间
和 它是 不是 去 到 有 任何 内部的 运行
除非 你 有 二次函数 条款 或者 某物 那 需要 那。
和 a 12 -跑步 设计，
有 90 度 的 自由 必需的 到 合身 全部 这 主要的 效果 这里。
我们 得到 a 很少 度 的 自由 为了 错误，
但 大多 是 仅有的 目标 这 主要的 效果 这里。
如何 做 这 分析 方法 做？
是 那里 任何 不同之处 在 这 分析 方法？
什么 我们 做， 和 全部 的 这些 是 去 到 总结，
我们 展示 这 百分比 的 最大限度 为了 全部 的 我们的 模拟 那 我们 做，
和 所以 我们 能 看 那 分配 为了 每个 的 这 分析 方法，
全部 为了 这 12- 跑步， D-最优 设计 目标 效果。
然后 我们 还 展示 任何 重要的 差异 之间 这些，
和 是 只是 使用 学生的 T。
是 不是 制作 二 键 调整， 所以 保持 那 在 头脑
每当 你是 寻找 在这些 重要的 值。
这 优胜者 这里 是 我们的 自制 一切 神经 方法
因为 它是 不是 受限制的 到 仅有的 寻找 在 这 主要的 效果，
他们 能 允许 一些 额外的 复杂 在 这 模型，
和 所以 它 胜利 这里。
现在， 不 得到 也 兴奋的 关于 那 因为 这 是 关于 这 最好的
那 我们已经 见过 我的神经网络 做 位于 这些 小的 设置。
但 如果 我们 是 跑步 更多的 比 一 候选人 最佳 去 向前，
然后 或许 我们 能 包括 a 一切 神经， 但 在 一般的，
我们 不会 推荐 仅有的 粘连 与 一切 神经
只是 因为 它 倾向 到 是 更多的 多变的， 有 更重 低的 尾巴。
什么 是 这 其他 结果？
我们 看 这 失败者 在 这 应用
或者 任何事物 那是 正在做 这 单身的 射击 模型 减少
因为 全部 这些 效果 是 重要的 在 这 模型，
和 任何 时间 我们 拉 一 的 他们 出去， 我们 是 去 到 得到
a 次优 表示 的 我们的 过程。
那是 为什么 在 这 案件 这 满的 模型 做 更好的 比 那些。
但 什么是 有趣的 是 这 一切 线性 方法
是 有能力的 到 在 至少 匹配 那 满的 模型 表现。
是 不是 失败 任何事物 经过 使用 一切 在 这 应用，
所以 那是 a 好的 方面 在哪里 我们 不 有 到 担心
关于 这 更小 环境。
是 我们 受伤 我们自己 在 全部 经过 使用 AICC？
现在， 某物 别的 我们 尝试过 这里 是 给定 这 相同的，
你已经 仅有的 得到 12 运行。
你是 仅有的 目标 这 生产
和 这 D-最优 标准 在 这 风俗 美国能源部。
什么 如果 我们 允许 这 合身 模型 到 考虑 第二 -命令 效果
加 有 混合物 效果，
所以 我们的 模型 然后 曾是 有针对性的 到 做？
什么 发生， 和 我们 看 这 跳转 这里，
这 一切 线性 方法 是 有能力的 到 利用 那 信息
和 给 我们 更好的 百分比 的 最大限度， 得到 最佳的 候选人，
和 那些 是 我们的 获奖者 这里 现在 是 这些 一切 线性 方法。
什么 我们 看 是 那 有趣的是，
这 根据 方法 为了 这些 一切 方法， 福特 方法，
或者 福特 选择 或者 这 套索 是 不是 有能力的 到 制作 使用 的 那，
仅有的 这 一切 是， 所以 那是 a 好的 财产。
他们 实际上 打 出去 神经，
哪个 是 好的 因为 现在 这些 是 本国的 到 跳转 17
和 他们 不 要求 作为 很多 计算 时间
或者 手动的 放 向上 作为 在 他们的 自己的。
什么 我们 开始 到 看 这里 是 这 主题 那 是 去 到 看
自始至终 这 休息 的 这 天 是 那 任何 的 这些 套索 方法
和 不 截距 是 去 到 给 我们 潜艇 -最佳的 结果
因为 没有 这 截距
和 这 惩罚 没有 工作 正确的 在 套索，
所以你 实际上 想 到 转动 离开 这 默认 选项 的 不 截距
如果 你是 去 到 尝试 到 使用 一切 套索
或者 甚至 只是 套索 没有 一个 截距。
好的， 所以 I 猜测 它 看起来 喜欢 一切 神经 做过 出色地 那里。
但 再次， 那 是 不是 本国的。
我们 不能 做 那 和 跳转 17 亲， 那是 不是 在那里 .
我们 能， 我们 有 到 有 a 手动的 [听不清 00:29:01] 腳本。
是的 不是 a 手动的 选项。
好的， 这 是 好的，
但 我是 还 a 扇子 的 这 空间 填充 设计，
所以 如何 做 那 玩 出去 在 条款 的 这 分析 方法？
为了 这 空间填充 设计， 你 能 看 相当 比 拥有
全部 这 点 沿着 这 外部的， 沿着 这 边界，
现在 我们 充满 向上 这 内部的 空间
为了 两个都 这 混合物 因素 和 这 过程 因素，
哪个 有时 在 实践 什么 出色地 做 是，
出色地 拿 这 过程 因素
和 圆形的 这些 到 这 最近 0.25 或者 0.5
或者 任何 粒度 作品 最好的 为了 我们， 但 这 是 什么 它 看起来 喜欢。
在 条款 的 这 结果， 如何 做 他们 履行？
现在 什么 是 去 到 做 是 比较
这 级联 的 这 设计 方法
沿着 和 这 分析 方法 和 看 哪个 这些 做 最好的。
寻找 在 现在 仍然 允许 这 更富有 第二 和 第三 -命令 模型
为了 这 选择 方法 和 看 哪个 一 做 最好的。
什么时候 我们 看 在 这 比较，
这 获奖者 是 这 全线性 方法，
套索 仅有的 和 这 截距， 不是 没有 这 截距，
和 这 D- 最佳的。
再次， 在后面 这 场景， 你 有 到 记住，
现在 你是 假设 为了 这 D-最优 方法
那 你的 积极的 模型 是 真的 超过 这 全部的 因素 空间
和 你已经 得到 持续的 各种各样的 超过 那 因素 空间。
如果 你是 担心 关于 失败 沿着 这 边界，
然后 那是 某物 别的 到 拿 进入 帐户， 和 它是 不是 建造 进入 这。
你 有 到 考虑 那。
但 如果 你 是 自信的，
或许 你已经 跑步 这 前 和 你是 仅有的 制作 次要的 变化，
然后 这 方式 到 去 是 这 D- 最佳的 和 这 一切 方法。
向下 这里， 这 失败者 是 这 套索， 和 不 截距。
我们 将会 避免 那些，
和 你 能 看 那些 重的 尾巴 向下 这里。
不是 这 一切 套索， 只是 这 套索。
实际上 这是 这 一切 套索 和 不 截距 下面。
是的。
他们 全部 得到 这些 Fs， 所以 他们 全部 失败。
-方便的是， [交谈 00:30:48] 。 -是的
好的。
什么 经常 将要 来 向上，
无论 它是 设计 向上 正面 在哪里 我们已经 完毕 我们的 12 跑步，
和 这 老板，
她 有 一些 更多的 问题 和 我们 有 更多的 运行。
如果 是 去 到 做 五 更多的 跑步，
如何 做 那 影响 一些 的 这些 结果？
什么时候 你 说 五 跑步， 不是 a 跟随 -向上 学习，
但 你的 建造 是 学习 任何一个 12 或者 17 运行
在 a 单身的 射击 正确的 现在 是 什么 你是 考虑到， 正确的？
是的， 确切地。
好的， 所以 是的， 我们 能 看 在 这 边缘 影响
因为 有 a 成本 到 你 为了 那些 额外的 五 运行。
什么是 这 益处 的 那些 五 额外的 跑？
使用 这 设计 分析 你 可以 使用，
看 在 柔性柔性系统 阴谋 和 你的 柔性柔性系统 加 方法 降低，
反映 更小 预言 变体。
力量 是 不是 那 有用 为了 这些 混合物 效果 设计。
我们 不 关心 关于 这 参数。
我们 想 到 知道， 如何 出色地 会 我们 做 和 优化？
那是 在哪里 这 模拟的 便利， 我们 能 拿 a 看 在 那。
如何 做 你的 分配 的 你的 百分比 的 最大限度 改变
作为 你 去 从 12 到 17 跑？
有趣的是， 有 不 益处 为了 这 单身的 射击 40 国际刑事法院
到 拥有 17 相对 12 运行。
现在， 再次， 正确的 现在 是 寻找 在 这 百分比 的 最大限度。
如果 你 看 在 你的 误差方差，
你的预测方差 是 去 到 是 更小，
和 那里 可能 是 一些 其他 [听不清 00:32:09] ,
但 主要 你的 预言 方差
是 去 到 是 更小 如果 你 看 在 那。
但 真的吗， 我们 不 关心 那 很多 关于 预言 方差。
我们 想 到 知道， 在哪里 是 那 最佳 观点？
因为 后 这， 是 去 到 是 跑步 确认 运行
和 或许 在 副本 在 那 观点
到 得到 一个 主意 的 这 过程 和 测定 方差 然后。
但 正确的 现在，
我们 是 只是 尝试 到 侦察 出去 这 回复 表面
到 寻找 我们的 最佳的 配方，
所以 和 那 目标 在 头脑， 有 不 益处 为了 四天 国际刑事法院。
现在 为了 这 一切 方法，
我们 做 看 那里 是 a 重要的 不同之处
和 我们 做 得到 a 重要的 改进
在 条款 的 我们的 平均的 百分比 的 最大限度 我们 获得，
和 或许 不是 作为 重的 尾巴 向下 这里。
但 现在 你 需要 到 知道 是 那 你 需要 到 决定，
是 那 几乎 重要的？
你 想 到 移动 从 90% 到 92% 意思是 百分比 的 最大限度
在 这 第一的 射击 和 五 额外的 跑？
你 有 到 做 你的 边缘 成本
原来的 益处 分析 那里 作为 a 科学家
和 决定 如果 那是 值得 它。
只是 寻找 在 它 这里， 什么 I 思考 可能 是 有用
因为 你 有 到 跑步 确认 运行 反正
是 如果 我们 跑步 这 12 -跑步 设计，
你 能 然后 跑步 a 候选人 最佳 或者 二
基于 在 这 结果 我们 得到，
和 然后 加 a 夫妻 的 额外的 运行 或许
在 a 高的 -密度 地区 为了 什么 那 看起来 好的，
或者 甚至 增强 出去 你的 因素 空间 a 小的 少量，
和 然后 你是 仍然 跑步 a 全部的 的 17 跑步，
但 现在 是 去 到 有 甚至 a 更好的 感觉 的 这 好的 地区 这里，
所以 那是 某物 到 考虑。
某物 别的 我们 能 看
从 跑步 这 模拟 和 17 运行 是，
让我们 看 在 这 表现
的 每个 的 这 配件 方法 之内 每个 迭代，
和 有 实际上 a 出奇 低的 相关性
之间 这 表现
的 这些 不同的 方法 之内 每个 迭代。
我们 能 使用 那 到 我们的 益处
因为 是 去 到 是 跑步 确认 运行 后 这，
所以 相当 比 只是 拥有 到 拿 一 方法 和 一 确认 观点，
一 候选人 最佳的 观点，
如果 我们 是 到， 为了 例子， 看 在 这些 四 方法
和 然后 拿 这 候选人 最佳 从 每个 的 他们，
然后 是 去 到 是 有能力的 到 去 向前 和 哪个 一 每个人 做 最好的。
是 寻找 在 这 最大限度 的 这些。
相当 比 寻找 在 a 意思是 的 92% 到 94%
现在 是 寻找 在 a 意思是 的 关于 97% 和 a 更小 尾巴
如果 我们 考虑 多种的 的 这些 方法 在 一次。
好的， 非常 有用。
让我们 现在 放 我们的 眼睛 朝向 这 40 -跑步 设计。
非常 好的 信息 在 条款 的 我的 更小 跑步 设计。
现在 和 40， 如何 做 它 玩 出去 在 条款 的 这些 分析 方法？
是 我们 去 到 看 持续的 行为 和 什么 我们 锯 在 这 12 -跑步 设计？
然后 如何 关于 这 空间 填充 相对 这 最佳的 设计， D-最优？
-ID 是 感兴趣的 在 那。 -好的。
出色地， 第一的 拿 a 看 在 这 D-最优 设计， 40 跑步，
和 现在 是 目标 全部 的 这 第二 -命令 效果，
这 第三 -命令 效果， 混合物 效果，
和 是 目标 全部 这 效果
那 是 确实 展示 在 我们的 生成 功能，
和 我们 仍然 看 那 是 已加载 向上 在 这 边界 的 这 因素 空间
和 这 最佳的 设计，
和 然后 如果 我们 是 去 到 看 现在 和 这 空间 填充 设计，
是 去 到 看 现在 是 填充 向上 这 内部的
的 这 因素 空间 为了 这 混合物
和 为了 这 其他 连续的 过程 因素。
让我们 看 什么 这 表现 不同之处 是。
第一的 的 全部， 重点 在 这 空间填充 设计，
哪个 分析 方法 做 最好的？
和 相同的 作为 我们 锯 在 这 12 -跑步 例子 的 这 一切 线性，
福特 选择 和 那 截距， 套索 这 截距 做 这 最好的。
这 最差 案件 你 能 做 是 保持 这 满的 模型，
或者 然后 尝试 一切 或者 单身的 射击 套索 和 不 截距
和 这 D-最优 环境， 相同的 获奖者， 哪个 是 令人安心
因为 现在 我们 不 有 到 是 担心 关于，
“出色地， 我们正在改变 我们的 设计 类型。 现在 我们 得到 到 改变 我们的 分析 类型。”
它是 好的 到 看 这 一致性 穿过 这 获奖者 的 这 分析 类型。
这 满的 模型 没有 做 作为 很差 这里 和 这 最佳的 设计， I 思考，
因为 这 最佳的 设计 是 目标 那 模型
和 这 失败者 这里 是 仍然 这 套索 和 不 截距。
然后 神经 是 真的 坠落 在后面 这里， 在后面 这 其他 方法。
现在 让我们 比较 这 空间 填充 到 这 D-最优 设计，
和 我们 能 真的 看
这 最大 不同之处 这里 是 之内 这 满的 模型，
这 空间 填充 设计 是 很多 更糟 比 这 D-最优 设计。
任何时间 你是 正在做 设计 诊断，
那是 全部 之内 这 语境 的 这 满的 模型。
为了 你的 D -最优性 标准，
你的 平均的 预言 方差， 那是 全部 那里。
A 很多 的 次 什么时候 你 跑步 那些 比较，
你是 去 到 看 a 鲜明 不同之处 之间 那些
和 那是 什么 你是 看到 这里。
然而， 在 真实的 生活，
是 去 到 是 跑步 a 模型 减少 技术。
和 一切， 甚至 这 单身的 射击 方法 提升 它。
但 尤其 和 一切 这里，
它 真的 关闭 这 不同之处 之间 这 空间 填充 和 这 最佳的 设计，
和 我们 看 漂亮的 关闭 到 中等的， 和 轻微地 更重 尾巴 这里。
但 现在 你 能 看 在 这 和 说。
“好的。 I 失去 a 小的 少量 和 空间 f 填充 设计。
但 如果 I 有 任何 担忧 根本 关于 这 边界 的 这 因素 空间，
或者 如果 我是 有些 有限的 在 如何 许多 确认 点 I 能 跑步
和 I 想 到 有 某物 那是 去 到 是 不是 也 远的 离开
从 这 候选人 最佳 那 我是 去 到 携带 向前，
然后 那些 是 这 好处 的 这 空间 填充 设计。”
现在 我们 能 称重 那些 出去。 是 不是 卡住
和 这 激烈的 不同之处 之间 这 二。
再次， 那是 基于 仅有的 相对 这 D-最优 设计 .
I 猜测 a 很多 的 次 在 我们的 美国能源部 工作，
我们 喜欢 到 或许 看 在 这 I-最优性 标准
和 甚至 这 A 有 完毕 真的 出色地 为了 我们。
在 特别是，它 利差 它。 这是 c 中等的 不是 空间 填充，
但 在 至少 它 利差 它 出去 a 少量 更多的 比 这 D -最佳的。
做 我们 有 任何 想法 如何 那些 I 和 A 最佳的 工作？
是的， 我们 能 交换 那些 出去 进入 模拟。
一 事物 我们已经 总是 注意到，
I 爱 这 A -最佳的 设计 在 这 非 混合物 环境。
它是 几乎 我的 默认 现在。
I 真的 喜欢 他们。
但 在 这 混合物 环境， 每当 我们 尝试 他们，
甚至 前 这 模拟， 如果 我们 看 在 这 设计 诊断，
这 A -最佳的 绝不 做 作为 出色地 作为 这 D 或者 这 I -最佳的，
和 那 熊 出去 这里 在 这 模拟，
那是 这 蓝色的 这里 为了 这 最佳的， 给出 我们 下 结果。
规则 的 拇指 这里 是，
不 打扰 和 这 A-最优 设计 为了 混合物 设计。
现在 为了 D 相对 I -最佳的， 我们 不 看 任何...
在 这 应用 为了 这 生成 功能，
我们 不 看 任何 不同之处 之间 他们。
然而， a 原因 到 轻微地 更喜欢 这 D-最优 是，
那里 倾向 到 是 一些 收敛 问题 为了 这些 自由国家党 设置
在哪里 你已经 得到 到 挂钩 超过 这 一 5%
和 你是 尝试 到 目标 a Scheffé Cubic 模型 在 跳转，
所以我们 注意到 有时 一些 收敛 问题
为了 这 I-最优 设计 和 它 需要 更长。
这 D -最佳的， 如果 有 不是 很多 的 a 益处，
然后 它 似乎 到 是 这 更安全 但 到 戳 和 这 D-最优。
现在 我们 不是 有能力的 到 测试 那 和 这 模拟
因为 正确的 现在 在 跳转，
你 不能 脚本 在 Scheffé Cubic 条款 进入 这 美国能源部
到 建造 一个 最佳的 设计。
你 有 到 做 那 通过 这 图形用户界面。
我们 不是 有能力的 到 测试 那， 看 如何 经常 那 发生，
但 那是 为什么 我们已经 携带 向前
D-最优 在 这些 模拟 和 我们 戳 和 那些。
如果 你 想 到 在 你的 应用程序， 你 能 尝试 两个都 D 和 I
和 看 什么 他们 看 喜欢
两个都 图形地 和 和 这 诊断，
但 这 D-最优 似乎 到 是 表演 出色地。
好的， I 猜测 只是 保持 拉 这 线 a 小的 少量 更远 是，
a 很多 的 次 出色地 尝试 一些 类型 的 a 杂交种 设计 .
为什么 不 我们 开始 出去 和， 说， 二十五 空间 填充 跑步，
和 然后 增强 那 和 一些 D-最优 标准
到 制作 当然 那 我们 能 目标 这 具体的 参数 感兴趣吗？
做 那 工作 出去 漂亮的 出色地？
是的， 我们 能 模拟 那 和 我们 拿 a 看。
任何一个 我们已经 得到...
这 是 这 相同的 模拟 功能，
生成 功能 我们已经 到过 寻找 在 为了 你 运行 这 D-最优，
让你运行 空间 填充，
或者 a 杂交种， 在哪里 我们 开始 出去 和 二十五 空间 填充 运行
和 然后 我们 去 到 增强 和 加载 在 建筑 15 额外的 运行 目标
这 第三 命令 模型， 和 什么 我们 看 是 那 现在，
我们 有 不 重要的 不同之处 在 条款 的 这 优化
之间 这 40次运行D-最优 和 这 杂交种 设计，
但 在 这 杂交种 设计，
我们 得到 这 益处 的 那些 二十五 空间填充运行。
我们 得到 一些 内部的 运行 保护 到 合身 额外的 效果
和 保护 反对 失败 沿着 这 边界。
它是 a 小的 少量 更多的 工作 到 放 这 向上。
出色地 做 这 为了 高的 优先事项 项目
因为 仅有的 为了 那些 因为 额外的 成本 和 时间。
但 它 做 出现 到 是 a 有前途 方法。
正确的。
几乎 你 思考 关于 在哪里 你的 最佳的 是 去 到 是，
有 a 好的 机会 它 可以 是 在 那 内部的 空间
那是 不是 已填满 在 这 D-最优 沿着 这 边界。
I 猜测 只是 或许 去 后退，
重访 这 想法 的 什么 如果 I 有 a 中心 观点，
什么 如果 I 有 a 观点 那 I 可以 复制？
再次， 或许 在 这 40- 跑步 设计，
如果 I 有 五 更多的 事物， 所以 只是 任何 其他 小的 掘金
那 我们 学到了 沿着 这 方式 和 这些？
出色地， 这 来 向上 a 很多 因为 现在 教科书 将要 告诉 你
到 添加 五 到 七 复制 运行。
这 科学家 是 去 到 踢 你 出去 如果 你 尝试 到 做 那。
A 很多 的 次 我们 有 到 制作 这 争论
到 添加 甚至 a 单身的 复制 跑步
因为 它 有 优点 外部 的 这 配件
因为 现在 你 得到 a 模型 [听不清 00:41:09]
和 只是 图形地 我们 能 使用 那 作为 a 诊断，
我们 能 看 在 那 空气 方差 相对的 到 这 全部的 方差
从 这 全部的 实验。
它是 非常 有用 到 有，
和 所以 它是 去 到 是 好的 到 有 一个 争论 为了 你 到 说 那，
“好的， 是 不是 受伤 你的 优化 常规
经过 包括 甚至 a 单身的 复制 跑步。”
那是 什么 我们 看 这里 为了 这 40分 例子
经过 强迫 一 的 这些 到 成为一个 复制 之内 风俗 设计。
我们 是 不是 得到 a 重要的 不同之处 在 全部
在 条款 的 优化。
它是 两者都不 帮助 或者 很痛。
让我们 去 前方 和 做 那，
所以 那 什么时候 我们 有 那 额外的 片 的 信息 去 向前。
I 不 有 这 图表 这里 因为 它是 无聊的。
它是 这 相同的 事物 在 这 特别的 应用，
强迫 一 的 他们 到 是 a 中心点。
有 不 不同之处。
部分 的 那 可能 是 在 这 案件， 这 D-最优 设计 曾是 给予 我们
a 中心点 或者 某物 关闭 到 a 中心点。
那 可能 不是 有 到过 改变 这 设计 那 很多。
你 可能 看 a 大 不同之处
如果 你 去 后退 到 这 12分 设计 执行 这 中心点。
但 那是 这 优势 的 拥有 a 模拟 框架 建造 向上
在哪里 你 能 拿 a 看 在 那
和 看 什么 是 这 实际的 影响 去 到 是 为了 包括 那。
好的， 现在 如何 关于...
I 提及 I 有 这 大的 项目 和 很多 的 限制。
会 a 约束 或许 改变 一些 的 这 结果？
出色地， 我们 可以 可能 包括 这 约束
和 它是 去 到 改变 这 允许 地区 之内 这...
从图形上看， 你要 去 到 看 a 改变 在 你的 允许 地区，
和 我们 能 模拟 那。
实际上， 我已经 完毕 那。
I 不 有 这 图形 向上 和 我 正确的 现在，
但 什么 它 做 是 有 不是 那 很多 一个 影响， 一切 仍然 做得很好。
一 不同之处 我们 做过 笔记 是 那 跑步 这 模拟
和 然后 约束 这 地区 有些 是 那 这 空间 填充 改进
因为 它是 得到 a 更小 空间 到 充满 和 不是 作为 很多 噪音 空间，
但 这 D-最优 将要 履行
只是 作为 出色地 之间 这 二 和 或者 没有 约束。
那 曾是 漂亮的 有趣的 到 看。
但 全部 的 这 适用 只是 作为 出色地 和 约束
和 没有什么 的 笔记 在 条款 的 不同之处 为了 分析 方法 和 这 约束，
在 至少 相对地 简单的 一 那 我们 已应用。
正确的， 好的， 是 几乎 跑步 短的 在 时间 这里， 安德鲁，
但 I 做 有 a 忧虑。
我们 有 a 错误指定 设计
和 我们 会 喜欢 到 裹 向上
和 离开 这 乡亲们 和 a 很少 钥匙 外卖。
这是 一个 例子 在哪里 现在 这 功能 形式
做 不是 匹配 任何 的 这 效果 是 考虑
和 是 相对地 平坦的 在 这 周长
在哪里 a 很多 的 那些 最佳设计将是
所以我要看看 那 作品 出去。
还 笔记 这 [听不清 00:43:52] 胆固醇 放 到 a 系数 零
和一个真正的 生成 功能。
现在 服用 那 真的 功能 去 到 轮廓 是 输出 就在 桌子
和 你 能 看 如何 好的 它 是 到 是 有能力的 到 阴谋 这些 事物
到 看 这 回复 表面 使用 那 输出 正确的 在 这 桌子。
这是 真的 你的 真的 回复 表面， 和 这 是 你的 回复 表面，
但 什么是 有趣的 是 它 看起来 喜欢 有 一个 错觉 这里。
它 看起来 喜欢 胆固醇 是 有影响力 为了 你的 回复。
它 看起来 喜欢 它 影响 你的 回复， 但 在 现实 这 系数 是 零。
但 这 原因 它 看起来 喜欢 那 是 因为 的 这 混合物 约束。
那是 为什么 它是 难的 到 解析 出去，
哪个 这 个人 混合物 效果 真的 影响 你的 回复。
是 不是 作为 担心的 关于 那
就像我们一样 的 说， 什么是 a 好的 配方 去 向前？
在 这 环境， 我们 添加 a 小的 少量 的 噪音，4% 简历，
哪个 是 用过的 频繁地 在 这 制药 世界。
在 这 案件， 这 意思是 是 使用 是 这 意思是 在 这 最大限度，
哪个 在 这 案件 是 一，
和 然后 还 a 很多 更多的 极端 40% 简历。
这 看起来 更多的 喜欢 a 声纳
和 他们是 尝试 到 寻找 泰坦尼克号 或者 某物。
希望 没有任何 的 你的 制药 应用程序 看 喜欢 这，
但 我们 只是 想 到 看 在 这 极端 案件 如何 事物 工作 出去。
什么 我们 看 是 在 这 小的 12分 例子
和 相对地 小的 过程 变化 是 过程 加 散文 变化
是 这些 基线 设计 去了 出去 和 一切， 全部 相同 方法，
和 然后 如果 我们 去 向上 到 40分，
这 空间填充 不是 有能力的 到 保持 向上 作为 出色地，
但 D 最优 将要 真的 做 现在好多了，
甚至 尽管 它是 相对地 平坦的 出去 那里 和 这 尺寸 在哪里 最多 的 这 运行 是，
它是 有能力的 到 挑选 向上 这 签名 的 这 表面 这里。
现在， 这是 这 不同之处 之间 这 满的 模型
和 然后 这 空间填充 和 D- 最佳的。
不是 作为 大的 的 a 不同之处 为了 这 一切 方法，
但 你 做 仍然 有 a 很少 尾巴 点 向下 这里。
然后 他们是 全部 不是 表演 作为 出色地 作为 这 一切 线性，
甚至 尽管 这 一切 线性
是 仅有的 近似 那 曲率 为了 那 回复 表面。
如果 我们 去 向上 到 这 极好的 嘈杂 看法， 不 一 做 a 真的 好的 工作，
但 仍然 你的 仅有的 机会 是与 这 空间 填充 方法。
但 然后 什么时候 我们 去 向上 到 这 更大 样本 尺寸，
甚至 在 这 脸 的 全部 这 过程 变化， 过程 噪音，
是 现在 这 选项 曾是 有能力的 到 弹跳 出去 超过 那 噪音 更好的
和 是 有能力的 到 制作 更好的 使用 的 那些 运行 比 这 空间 填充。
A 夫妻 的 注意事项 那里。
什么是 你的 跑步 尺寸？ 如何 饱和 是你的 模型？
如何 很多 过程 变化 做 你 有 相对的 到 你的 过程平均值，
去 进入 这 平衡 的 这 空间 填充 相对 最佳的。
如果 我们 拿 a 看 在 什么 是 这 坦率 最佳的 点
是 得到 出去 的 这 空间 填充 相对 最佳的。
我是 对不起， 为了 这 空间 填充，
然后 什么 我们 看 是 是 在 目标 为了 这 是 可电离 和 帮手。
是 在 目标 为了 全部 的 我们的 方法 除了 为了 这些 最后的 和 不 截距。
他们是 绝不 在 目标，
他们是 总是 推动 你 离开 某处 别的。
你 能 看 图形地 如何 那 缺少 的 截距。
现在， 如果 我们 允许 这 截距， 那么我们 在 目标。
那 真的 是 重要的 到 取消选中 那 不 截距 选项 为了 套索。
为了 全部 这 人们 那 是 不是 使用 跳转 专业版
和 不 有 一切，
你 可能 说， 出色地， 好的， 什么是 你的 模拟？
这里， 什么 是 更好的？ AICc， 相对 BIC， 相对 P 值。
很遗憾， 只是 使用 这 数字 的 模拟 我们已经 跑步，
有 不是 作为 持续的 方法 作为 那里 是 和 一切。
如果 你已经 得到 a 大的 数字 的 跑步， 哪里有 要么指定
或者 正确地 指定的 或者 指定错误， 这 向前 或者 落后 人工智能 做 出色地。
满的 模型 做 更糟的是， 然而 在 这 更小 环境，
这 满的 模型 做 更好的 因为 全部 那些 条款 是 相关的。
还 这 P值 这里， 也。
现在， 你 看， 0.01 做 这 最糟糕的是， 0.01 做 这 最好的 在 大的 环境。
不是 一致性， 您使用什么 P 值？
0.01、0.05、0.1 .
这 P 值 从 这 看法 是 一个 未调整 优化 范围，
所以 或许 最好的 到 避免 那 和 戳 和 这 人工智能
如果 你是 在 根据 跳转。
然而， 我们 有 见过 现在 那
中等教育委员会 方法 为了 这些 优化 问题
做 给 你 几乎 普遍地 更好的 解决方案
比 这 单身的 射击 方法。
你 能 得到 更好的 解决方案 和 跳转 反渗透， 和 一切。
伟大的。
I 猜测 我们 想 到 只是 裹 向上。
一些 的 这 钥匙 发现 这里， 安德鲁。
是的， 和 还， 吉姆， 任何 其他 评论？
做 你 有 任何 其他 评论 也 关于 这些 优化 问题 或者 任何事物？
有趣的 事物 我们已经 见过 最近？
我们 有， 是 向上 反对 时间 为了 当然， 但 我们已经 完毕 一些 漂亮的 惊人的 事物
那 我们已经 来 向上 和 新的 工程 木材
那是 更好的 比 它是 曾经 到过
和 推进剂 那 是 拥有 身体的 特性
和 表现 那 我们 没有 见过 前。
我们 有 采取 a 步，
a 飞跃 在 条款 的 一些 的 这 能力
那 我们已经 见过 在 我们的 混合物 模型。
能 我们 总结 和 这 突出显示 子弹 向下 那里，
那 一切 似乎 到 是 我们的 方式 到 去，
和 如果 你 仅有的 有 一 或许 一切 向前 选择，
你会 是 覆盖 漂亮的 出色地。
是的， 那是 正确的， 因为 我是 总是 害怕的。
甚至 尽管 这 最后的 有时套索 它 看起来 较少的 和 截距，
有时 它 看起来 轻微地 更好的。
I 不 知道 如果 它是 或许 一 或者 二 案例 是 显著地 更好的，
但 总是 脖子 和 脖子 和 向前 选择，
但 我是 总是 害怕的 那 我是 去 到 忘记 到 转动 离开 不 截距
和 然后 给 我 某物 那是 更糟 比 正在做
或者 作为 坏的 作为 正在做 这 满的 模型。
我是 总是 害怕的 的 正在做 那。
一切 向前 选择 和 的 过错 环境 似乎 喜欢 a 好的 安全的 方式 到 去。
完美的。
出色地， 和 那， 我们 站立 准备好 到 拿 你的 问题。
