Bonjour tout le monde.
Mon nom est Micol Tresoldi.
Aujourd'hui mon parler volonté être à propos codage avec continu et mélange variables
à explorer plus de le saisir espace.
Avant I saut dans le sujet cependant,
Identifiant comme à donner ton bref contour de quoi mon présentation serait regarder comme.
Je vais commencer par partage et présentation à toi a petit peu de a général idée
de quoi le objet de le projet était et le objectif que était conduite il,
et alors Je vais passer sur à présent le initial approche
que nous a pris initialement à poursuivre ce objectif.
Je vais alors montrer toi cependant,
que suivant ce initial approche, nous faire rencontre quelques problème.
À que indiquer à le problème scène,
Bien besoin à aller dos à le début de le problème paramètre,
et essayer à regarder à que depuis a légèrement différent perspective,
dans a chemin que nous peut chiffre dehors un alternative chemin
de regarder à notre saisir variables.
Dans faire ce, Bien être altérant notre données structure.
Mais Je vais montrer toi comment nous peut en fait construire un équivalent aux statistiques modèle
dans a chemin que nous volonté pas être dans besoin de en allant et collecter n'importe lequel supplémentaire données,
mais en fait nous serons capable à réanalyser exact même données,
et toujours être capable à avec un peu de chance surmonter notre initial problème
et trouver quelques utile instructions à aller.
Ce est le aperçu de le présentation.
Laisser moi commencer par donner toi le général idée de le projet.
Quand le clients première portée dehors à nous, ils avait quelque chose à l'esprit
dans termes de ayant quelques ingrédients ils nécessaire à mélanger ensemble,
dans a chemin que le final formulation exposé quelques optimal propriétés.
Plus spécifiquement,
n'importe lequel formulation était en allant à être jugé sur deux propriétés,
et chaque de ces propriétés avait à rencontrer quelques certain optimalité critères.
Comme I juste a déclaré, le problème elle-même, est pré- général dans c'est nature .
Bien avoir quelques ingrédients, en utilisant le commun analogie,
nous peut pense à propos nous-mêmes dans le cuisine ayant quelques ingrédients
et ayant à chiffre dehors a chemin à mélanger eux.
Dans chemin que, à le fin, notre gâteau volonté regarder bon
et aussi goût bien.
Ce est le général cadre.
Maintenant, laisser moi donner toi quelques plus détails à propos ce spécifique gâteau.
Le recette appels pour quatre ingrédients,
Facteur UN, Facteur B, Facteur C, et Facteur D.
Pour Facteur UN, B, et C,
en fait le montant à mettre dans le recette est être prédéterminé.
Nous ne le faites pas avoir liberté là.
Sur le autre main, quoi nous besoin à décider cependant
est comment étaient en allant à faire ceux ingrédients, si toi comme.
Là sont multiple manières de fabrication ceux ingrédients
parce que nous avoir multiple brut matériels que nous peut employer
à arriver à ceux ingrédients.
Alors seulement après ayant ces ingrédients prêt pour en utilisant,
nous peut en fait employer eux dans le final recette.
Ce est pour Facteur UN, B et C.
Pour Facteur D sur le autre main, là est seulement un brut matériel nous peut utiliser.
Seulement un chemin de fabrication il.
Quoi nous besoin à décider est comment beaucoup
étaient en allant à mettre a facteur D dans le final recette.
Juste à résumer, dans termes de décision -fabrication problème,
Bien besoin à décider quatre des choses,
comment nous faire Facteur UN, comment nous faire Facteur B,
comment nous faire Facteur C,
et comment beaucoup de Facteur D étaient en allant à mettre dans le recette.
D'accord, maintenant Je vais besoin à être a petit plus spécifique
dans donner toi quelques plus détails
à propos comment, quoi étaient ces manières de fabrication Facteur UN, B, et C.
Le client, quand ils est venu à nous,
ils avait relativement peu options dans esprit pour ce.
Pour Facteur UN, ils recherché à considérer deux brut matériels.
soit seulement en utilisant brut matériel A1, ou seulement en utilisant brut matériel A2.
Pour facteur B, une fois encore, seulement deux brut matériels, B 1 et B 2.
Le possible manières de fabrication facteur B,
il était soit le deux pur mélanges de B 1 et B 2,
ou a 50-50 mélange de B 1 et B2.
Facteur C nous sommes maintenant trois rangée matériels sont disponible pour fabrication il.
Encore une fois, soit le trois pur mélanges, C 1, C 1, C3,
ou comme a quatrième options, sont 50-50 mélange de C 1 et C 2.
Avec respect à le Facteur D quantité,
lequel Je suis en allant à indiquer par depuis maintenant sur, par X 1,
ils recherché à test quatre possible niveaux.
Quatre possible montants, cinq, 10, 15, et 20.
Concernant le réponse variables, ceux sont légèrement plus direct
dans le sens que nous seulement avoir deux de eux,
les deux notre continu variables.
Chaque de eux, comme I était mentionné dans le début,
avait à rencontrer certain optimalité seuil, optimalité critères.
Pour Y1 avait à être au-dessus de 17. Pour Y2 avait à être au-dessus de 2.6.
Maintenant nous avoir sur notre gauche,
notre saisir variables que nous besoin à décider comment à manœuvre et varier
dans fabrication le recette.
Sur le droite côté,
nous avoir le propriétés que étaient intéressé dans.
Quoi nous décidé à faire était
à proposer notre clients à faire conçu expérience
dans a chemin que nous serait aller dehors et faire quelques de ces recettes,
faire quelques de ces formulations et être capable, depuis le collecté données,
après enregistrement le propriétés pour [inaudible 00:06:32] ,
réel observé formulation,
à comprendre et déduire le relations en cours
que étaient enchaînement le saisir variables.
Comment nous étaient fabrication notre recette et réponse variables.
Comment le propriétés en fait étaient exécution eux-mêmes
pour différent combinaisons de le entrées.
Finalement que le objectif de le projet était dans fait,
à chiffre dehors si là était un optimal recette,
signification a recette que dont propriétés
les deux de leur respectif optimalité critères.
Donné ce cadre, donné ce paramètre,
maintenant c'est joli clair que X 1 est en allant à être a quantitatif variable.
Mais comment à propos Facteur UN, B, et C?
Donné le fait que nous peut mélanger ces brut matériels .
Sont nous en allant à traiter eux comme catégorique ou sont nous en allant à traiter eux comme numérique?
À ce scène, parce que le client était particulièrement intéressé dans
observer le performance de ces spécifique compositions de le brut matériels
pour fabrication le divers Facteurs UN, B, et C,
nous décidé à accommoder leur demandes et codé eux comme catégorique variables
dans a chemin que nous étaient bien sûr que ceux spécifique compositions
étaient en allant à montrer en haut dans le conception de expérience.
Encore, catégorique variables moyens que, et dans ce cas,
chaque niveau de le catégorique correspondre à a possible chemin
de fabrication le ingrédient ou facteur.
Nous fin en haut avec trois catégorique variables
avec deux, trois, et quatre niveaux respectivement.
Maintenant, tours dehors que en fait
ce catégorique codage approche était aussi joli utile dans le discussion
de comment nous recherché à spécifier le statistique modèle
que, dans principe, était censé à,
ou à moins supposé à être complet assez
à décrire et capturer le relation en cours
entre le facteurs et le réponses, le propriétés.
Pour le client, était particulièrement facile
pour ayant ce catégorique codage à identifier et spécifier
quoi type d'interaction tours OMS ils étaient attendant à voir
dans termes de expliquant et être pertinent dans expliquant le relations.
Le final statistique modèle
que nous terminé en haut spécifiant le conception de expérience,
composé de principal effets, deux -chemin interactions, tous de eux,
quadratique et cubique termes pour le continuation variable
avec le ajout de le interaction de le quadratique avec un de le facteurs.
Maintenant, de cours,
nous aussi avait quelques contrainte dans le nombre de expériences disponible.
Parce que nous évidemment ne le faites pas avoir infini montant de ressources,
donc nous mettre a contrainte de 51 court,
et ce est le BICHE que JMP a donné nous
capable à estimation le statistique modèle nous juste spécifié,
et aussi être capable à être dans le contraintes
que sur notre ressources.
Maintenant avec ce, le seulement chose que était gauche à faire
était aller et faire ce 51 formules.
Imaginer que étaient super rapide, et tout est magie,
et nous avoir déjà a obtenu pistolet
et fait tous de notre rapports collecté données .
Maintenant nous sont dans bien forme pour
estimation le gaussien modèle que nous spécifié.
Ces sont le résultats pour le première propriété, Y 1.
Nous peut voir que là est a joli bien ajuster entre prédire et réel valeurs.
A aussi, si nous regarder à le métrique, le rapports, le modèle résumé,
ceux regarder joli satisfaisant.
Le même est vrai si nous regarder à maintenant à le deuxième propriété Y2,
encore, joli bien ajuster.
Nous sont heureux avec notre modèles, et nous pense nous a fait a bien emploi
dans capturer le relation.
Maintenant souviens-toi que quoi nous vraiment vouloir à découvrir est, dans fait,
là est n'importe lequel optimal recette que peut rencontrer les deux critères pour notre propriétés.
Comment sont nous en allant à faire ce?
Comment sont nous en allant à établir si tel a optimal recette existe ou pas?
Bien, dans JMP Pro 16, ce est a super facile tâche,
parce que nous peut simuler des milliers de potentiel alternatives recettes
par en utilisant le Profileur Fonctionnalité options.
Pour chaque de ces hypothétique recettes,
nous peut automatiquement avoir dans le même tableau
le prédit signifier valeur pour le deux propriétés,
donc que il vient super naturel et super facile
à voir si là est n'importe lequel optimal recette.
Juste à donner toi un idée comment rapide que est,
I vouloir à montrer toi en direct, comment nous peut faire ce.
Ce est mon BICHE catégorique tableau, où I avoir mon Facteur UN, B, et C.
X1 est mon seulement quantitatif saisir variables.
I avoir mon enregistré valeurs pour le deux propriétés, Y1 et Y2.
Imaginez maintenant que nous avoir déjà courir le modèle, estimé modèle
et enregistré le prédiction formules pour le deux variables ici.
Nous peut aller ici et souligner ces deux colonnes.
Aller à graphique, sélectionner Profileur,
et alors mettre ceux deux prédiction formules dans le Y prédiction formule boîte
et cliquez D'ACCORD.
Ce est le habituel chemin nous obtenir a profileur dialogue boîte.
Dans fait, nous peut , facilement jouer autour et changement le divers,
mais niveaux de le entrées dans a chemin que nous peut en fait voir
comment ce impacts notre prédictions pour le deux propriétés.
Cependant, quoi I vouloir à montrer toi aujourd'hui
est comment nous peut en fait demander, en allant à le rouge triangle,
demander JMP à sortir a aléatoire tableau, et nous peut faire il comme grand comme nous comme.
Je suis en allant à commencer avec 30 000 rangées, juste à commencer,
Je vais montrer toi, voir,
n'a pas vraiment, pris Non temps pour JMP à donner nous ce 30 000 rangées
où chaque tableau, où chaque rangée correspond à a hypothétique recette
que nous n'ont pas nécessairement vu dans le BICHE.
Ce est le pouvoir de ayant ce fonctionnalité dans JMP,
que nous peut explorer le saisir espace dans littéralement Non temps.
Maintenant, si nous sont intéressé dans vision
si là est un recette que est optimal,
alors nous peut aller ici, Graphique Constructeur,
et mettre le prédictif valeurs pour Y1, prédictif valeurs pour Y2.
Et alors juste à aide notre visualisation,
Je suis en allant à mettre a verticale axe
dans correspondance de le optimal seuil pour Y2,
et de même horizontal doubler marquage le optimal seuil pour Y1.
Ce supérieur quadrant désigne le optimal région,
parce que les deux propriétés sont satisfaisant le optimalité critères.
Malheureusement, que nous peut voir depuis ici
que nous ne le faites pas trouver n'importe lequel recette que est, dans fait,
capable à satisfaire les deux le critères.
Ce est comme, d'accord, pas très bien nouvelles.
Maintenant laisser moi aller dos à mon présentation très rapide.
Nous peut voir, dans fait,
que nous ne le faites pas avoir n'importe lequel propriétés doubler ce quadrant
avec le heureux vert souriant.
Quoi faire nous faire à ce indiquer?
Faire nous donner en haut? De cours pas.
Quoi nous peut faire est, dans fait, aller dos à le début de le problème
et essayer à voir si nous peut changement n'importe lequel de notre initial choix
que nous première fabrication dans approchant le problème.
Dans particulier, toi pourrait être se souvenir que nous étaient indécis
si nous serait traiter le Facteur UN, B, et C
comme catégorique ou comme numérique.
Donc loin nous avoir traité eux comme catégorique.
Donc loin, facteur A comme être a catégorique variable, avec deux niveaux,
soit seulement en utilisant A1 ou seulement en utilisant A2.
Cependant, parce que dans fait, le client étaient ouvrir
à mélanger le brut matériels à faire Facteur UN.
Donc que était un option.
Alors quoi nous peut pense de
est remplaçant ce Facteur A avec variable
que maintenant I appel Contenu A1, lequel est a quantitatif variable,
lequel représente comment beaucoup de A1 Je suis en allant à mettre
dans le mélange de A1 et A2 pour fabrication Facteur UN.
Le traduction,
le conversion entre catégorique niveaux et numérique valeurs,
c'est presque immédiat .
Si Je suis seulement en utilisant A1, Je suis en allant à utiliser 100% de A1 dans mon mélange.
donc I peut code A1 Contenu à être égal à un.
Sur le opposé côté, si Je suis seulement en utilisant A2,
ce moyens que I avoir zéro A1 Contenu dans mon mélange,
et donc A1 Contenu est en allant à être égal à zéro.
Toi pourrait avoir deviné que implicitement,
nous sont aussi définir A2 Contenu à être égal à 1 - A1 Contenu.
Mais nous ne le faites pas vraiment besoin que
parce que nous sont seulement regarder à deux mélange variables.
Pourquoi sont nous faire ce?
Bien, le avantage est clair .
Avec Facteur A,
nous étaient contraint dans regarder à soit A1 Contenu à être égal à zéro ou un.
Maintenant que étaient considérant continuation codage,
le A1 Contenu peut prendre n'importe lequel valeur entre zéro et un.
Ce, de cours,
représente un énorme saut dans le flexibilité de notre modèle
et un infini dans le sens que maintenant nous sont ouvrir
à littéralement infini plus mélanges et infini plus manières de fabrication Facteur A.
De même, Facteur B est catégorique avec trois niveaux.
Donc loin c'est a été ce chemin,
codé seulement B1, seulement B2 ou 50-50 mélange.
Mais suivant le similaire logique,
nous peut maintenant introduire et B1 Contenu, continu variable.
A gagner, le conversion est en allant à être exactement le même.
50-50 mélange de B 1 et B 2 volonté être converti dans 0,5
parce que Je suis en utilisant 50 % de B 1 et 50 % de B 2.
Encore, B 2 Contenu est 1 - B 1 Contenu.
A gagner, le avantage est que étaient pas lié à saut depuis zéro à 0,5,
ou à zéro à un nécessairement,
mais nous peut explorer le entier spectre de valeurs
depuis zéro à un.
Facteur C est probable plus astuces,
parce que nous faire avoir trois possible brut matériels à mélanger en haut.
A t ce scène,
nous besoin à introduire pas juste un, mais en fait trois continu variables
que en plus être continu, avoir aussi le mélange contraintes.
Signification à tous fois, ils besoin à être quelque chose à un.
Mais le conversion
entre le niveaux de Facteur C et le trois nouveau mélange variables
suit exactement le même logique.
C'est super facile.
Ce est juste a visualisation de comment nous faire le conversion de le niveaux.
Ce est comment le BICHE points que nous déjà avoir le données sur.
Nous ne le faites pas besoin rien autre.
Sont siège dans le continu codage espace.
Maintenant, le seulement plus
impliqué mesures dans passage depuis le catégorique codage
à utiliser a continu codage est comment, dans fait,
nous convertir ce le statistique modèle
que nous utiliser à conception le expérience et alors à analyser le données.
Comment sont nous en allant à faire ce?
Bien, le Plus facile chemin est à juste faire il dans beaucoup petit mesures.
Quoi étaient en allant à faire est commencer avec notre principal effets modèle,
a petit par petit à le différent facteurs.
Nous commencer avec Facteur A, lequel avait seulement deux niveaux.
Maintenant dans le continu codage, quoi étaient en allant à mettre est A1 Contenu.
Étaient seulement en allant à mettre le linéaire terme de ce A1 Contenu.
Dans fait, nous seulement avait un coefficient pour Facteur A dans le catégorie codage modèle.
De même, maintenant étaient en allant à avoir un célibataire coefficient pour A1 contenu.
Maintenant si toi ne le faites pas croire moi, ce, c'est un équivalent modèle.
Je suis en allant à montrer toi a couple de exemples.
Imaginez que nous vouloir à chiffre dehors
le impact de en utilisant seulement A2 pour fabrication Facteur A,
alors que moyens que A1 contenu est zéro. Bien.
Depuis le catégorique codage modèle,
étaient en allant à juste regarder à le intercepter terme,
parce que ce supplémentaire terme fait référence à quand nous utiliser A1.
Sur ce autre côté,
pour continu codage modèle,
étaient en allant à mettre le intercepter, de cours,
et alors le A1 Contenu coefficient, mais maintenant nous volonté multiplier il par zéro
parce que A1 Contenu est zéro.
Pas même faire n'importe lequel mathématiques,
toi peut vraiment voir que ces deux Nombres sont exactement le même.
De la même manière, si nous vouloir à voir , qu'est-ce que le impact de en utilisant seulement A1
maintenant à ce temps, A1 contenu est en allant à être égal à un.
Maintenant pour catégorique,
Je suis en allant à somme en haut le intercepter terme plus le Facteur A coefficient accord
comptabilité pour le différence et le niveaux de le facteur.
Sur ce autre côté cependant,
nous sont en allant à toujours inclure le intercepter.
A t ce indiquer, Bien multiplier le A1 Contenu coefficient par un
parce que le contenu est un.
Encore une fois, non même n'importe lequel mathématiques,
le deux Nombres ici sont le même comme le deux Nombres ici.
Exactement équivalent.
Maintenant avec Facteur B, nous avait trois niveaux.
Comment sont nous en allant à faire que?
Bien, parce que il a trois niveaux, maintenant nous ne peut pas juste ajouter le linéaire terme,
mais nous aussi besoin à ajouter le quadratique terme.
Nous avait deux coefficients avant, et étaient en allant à avoir deux coefficients
aussi maintenant avec le continu codage.
A gagner, si toi ne le faites pas croire moi, ce est un équivalent modèle,
nous pouvons travail dehors à moins un exemple, lequel travaux exactement comme avant et.
Si I seulement avoir B2, B 1 Contenu dans zéro,
moyens que deux coefficients sont en allant à avoir zéro poids
dans informatique le impact.
Donc le deux Nombres sont seulement juste deux que sont, dans fait le même.
Je suis pas en allant à aller dans ce encore,
seulement B 1 est équivalent à Contenu B1 égal à un.
Le la plupart intéressant est,
ce que à moins nécessite toi à faire quelques addition.
Où B 1 Contenu est en allant à être 0,5, parce que nous sont considérant 50-50 mélange.
Toi peut vérifier facilement
que ces deux Nombres ici résumé en haut
sont équivalent à ce autre côté de le équation
où nous mettre 0,5 et 0,5 quadrillé,
parce que maintenant notre B 1 Contenu est égal à 0,5.
Maintenant pour Facteur C, nous avait quatre niveaux.
Nous particulièrement souviens-toi, nous avait trois possible brut matériels.
Nous avait à introduire trois mélange variables.
Chaque temps nous faire avoir à accord avec mélange variables des choses,
c'est légèrement compliqué
parce que ils devenir parfaitement nettoyeur avec n'importe lequel constante terme.
Dans putting le C 1, C 2, et C 3,
le somme de eux supprime ou nécessite nous à supprimer le constante terme.
Mais autre que que, tout suit joli beaucoup le même.
Nous avait trois coefficients ici,
et étaient toujours en allant à avoir trois coefficient ici
parce que nous avoir quatre, mais nous sont obtenir débarrasser de le intercepter.
Donc toujours le même équilibre.
A gagner, Je suis pas en allant à aller à travers tous de le exemples,
mais tu es plus que accueillir à regarder à le diapositives hors ligne
et vérifier que ceux sont, dans fait, donne toi toujours le même réponses.
Ces sont tous le exemples.
Maintenant avec donc beaucoup travail, nous avoir trouvé le conversion de le principal effets.
Comment nous en fait convertir chaque séparé facteurs
dans en utilisant le nouveau continu variables?
Maintenant notre original modèle, cependant, compris plus que juste principal effets.
Dans fait, nous avait le deux -chemin interactions.
Maintenant le idée ici est que chaque temps Facteur A apparaît,
Je suis en allant à remplaçant avec ça A1 Contenu.
Chaque temps Facteur B apparaît,
Je suis en allant à remplaçant il
avec le deux B1 Contenu et B 1 Contenu quadrillé.
De même pour Facteur C,
Je suis en allant à remplaçant il avec le quatre termes que J'ai mettre ici.
Le même détient quand Je suis en interaction avec X 1,
et tout est très beaucoup dans le même saveur,
logiquement suit le même schème.
Le seulement prudence que toi vouloir à être conscient de
et être particulièrement attentif à propos
est que chaque temps toi interagir un trois mélange variables,
où ceux sont ton trois mélange variables,
ceux principal effets que toi initialement avait maintenant besoin à être exclu depuis le modèle,
sinon, le modèle ne le fera pas être possible.
C'est le seulement prudence que toi besoin à être prudent à propos de.
Autre que que, étaient prêt à aller.
Nous avons a obtenu notre équivalent continu modèle.
Maintenant quoi nous peut faire est, dans fait, encore, vérifier que tout est toujours même.
I obtenir exactement le même prédictions,
soit en utilisant le catégorique codage ou en allant et en utilisant le continu codage.
Maintenant toi pourrait demander moi-même, pourquoi sont toi en allant dans donc beaucoup inquiéter
et en allant, faire donc beaucoup désordre si des choses sont exactement le même?
Bien, le avantage est immédiat à voir,
et toi peut vraiment apprécier il si toi commencer regarder à le profileurs.
Ce est le profileurs, comment il regarde, quand toi utiliser le catégorique codage .
Toi avoir à saut entre le différent niveaux.
Toi ne le faites pas avoir le le plus faible idée quoi peut arriver dans entre.
Avec le continu codage sur le autre main,
c'est exactement quoi toi peut faire.
Toi peut explorer chemin plus de le différent possible manières
de fabrication le divers ingrédients Facteur A, B, et C
dans a chemin que avant il était juste dehors de bornes.
Dans technique termes, moyens que nous avoir chemin plus pouvoir de interpolation.
Ce n'a pas viens gratuit, de cours.
Quoi toi payer, le prix de est dans fait,
que toi sont implicitement fabrication quelques hypothèses.
Le hypothèses salutations le chemin que le divers nouveau continu variables
que nous avoir introduit sont en rapport à le réponses.
Dans a chemin, nous sont implicitement supposant que
le rapports entre A 1 Contenu et notre propriétés est linéaire.
Le relation entre B1 C sous tente est quadratique et donc en avant.
Si toi pense que ceux hypothèses ne le faites pas vraiment prise dans ton cas,
alors de cours, le entier procédure est discutable.
Toi ne le faites pas vouloir à poursuivre ce.
Mais si toi ne le faites pas avoir n'importe lequel raison pourquoi toi ne serait pas croire ce,
ou à moins pourquoi toi ne serait pas à moins explorer ce possibilité,
alors, maintenant nous peut aller dos et faire le même exercice
et explorer encore le saisir espace, mais avec chemin plus flexibilité.
Encore, allons voir si nous peut trouver que un optimal recette
avec ce nouveau continu mélange codage.
Comment étaient en allant à faire? Bien, exactement même manières.
Je vais utiliser le JMP profileur fonctionnalité
et utiliser le simulation et voir si nous peut trouver rien.
Maintenant laisser moi aller ici.
Ce est mon BICHE continu tableau.
Continu, parce que maintenant toi peut voir que
ces sont tous codé comme continu variables .
Ils avoir le bleu triangle suivant à eux-mêmes .
Le C 1, C 2, C 3 sont aussi ces étoiles,
indiquant que ils sont codé comme mélange variables dans JMP.
Maintenant imaginer que encore,
nous avoir déjà équipé notre modèle avec le ajuster modèle plate-forme.
Nous enregistré notre prédiction formules maintenant avec le continu codage.
Quoi étaient en allant à faire même chose,
Graphique Profileur, sélectionner ceux, et ici nous aller.
Ici est notre prédiction profileur.
Maintenant nous peut jouer chemin plus avec le profileur et voir tous différent combinaisons
sans ayant à saut entre différent options.
Maintenant, une fois encore, rouge triangle, sortir aléatoire tableau.
Juste pour fabrication des choses équitable, Je suis en allant à demander 3 000 rangées.
Encore, Non temps, littéralement clignoter de un œil.
JMP donne toi 3 000 rangée tables
où maintenant chaque recette est à nouveau, désolé.
Chaque rangée est encore, a potentiel hypothétique recette
que nous n'ont pas vraiment vu, nécessairement vu dans notre BICHE
mais il toujours possible,
parce que il toujours respects le contrainte que nous avait à le début.
Une fois encore,
à chiffre dehors si quelque chose bien est événement,
ou à moins si dans ce 30 000 formulation,
nous faire trouver quelque chose que est optimal.
Je suis en allant à construction le même graphique.
Maintenant toi peut voir que notre points sont tous disperser et sont pas aligné plus.
Encore, convenable le axe juste à aide notre visualisation.
Ce est le bon chose.
Avec ce chemin de codage et regarder à plus de le saisir espace,
nous faire trouver peu formulations que sembler à être prometteur.
De cours, nous besoin à garder dans esprit que ce notre prédictif valeurs.
Tout est toujours s'appuyant sur sur notre données, sur notre statistique modèle analyse,
mais est toujours plus prometteur que avant.
Nous faire trouver quelque chose dans le optimal région défini par ces deux axe.
Rapidement, en allant dos à mon présentation,
I vouloir à dessiner a final conclusion ici,
lequel est, dans fait, que, en utilisant le catégorique codage,
nous ne pouvait pas trouver n'importe lequel recette que à moins sur le prédictif côté,
pourrait, dans fait, rencontrer les deux le optimalité critères.
Bien, une fois nous tourner à,
comprendre dehors comment à code ces différent catégorique variables
dans continu et mélange variables
et exploiter le JMP pouvoir de donner nous des milliers et des milliers de formules,
nous faire trouver a peu que dans fait rencontrer le spécifications.
Nous étaient heureux que à moins nous pourrait aller dos à notre clients dire,
regarder, plutôt de donner en haut sur ton projet,
essayer à faire ces formulations et voir comment, dans fait,
si le réel propriétés faire rencontrer ton critères ou pas,
mais à moins il donne nous quelques instructions de amélioration où à aller.
Avec ce, Identifiant comme à fin mon présentation.
Remercier mon collègue, Tong Xinjie
et tous de mon collaborateurs à Dow Chimique.
Remercier toi, tous de toi pour regarder mon présentation.
Je vais être plus que heureux
à répondre n'importe lequel questions toi pourrait avoir à ce indiquer.
Remercier toi.
