你好 每個人。
我的 姓名 是 米科爾·特雷索迪。
今天 我的 演講 將要 是 關於 編碼 和 連續的 和 混合物 變數
到 探索 更多的 的 這 輸入 空間。
前 I 跳 進入 這 話題 儘管，
ID 喜歡 到 給 你的 簡短的 大綱 的 什麼 我的 推介會 會 看 喜歡。
患病的 開始 經過 分享 和 呈現 到 你 a 小的 位元 的 a 一般的 主意
的 什麼 這 目的 的 這 專案 曾是 和 這 客觀的 那 曾是 駕駛 它，
和 然後 患病的 經過 在 到 展示 這 最初的 方法
那 我們 拿了 最初 到 追求 這 客觀的。
患病的 然後 展示 你 儘管，
那 下列的 這 最初的 方法， 我們 做 遇到 一些 問題。
在 那 觀點 在 這 問題 階段，
出色地 需要 到 去 後退 到 這 開始 的 這 問題 環境，
和 嘗試 到 看 在 那 從 a 輕微地 不同的 看法，
在 a 方式 那 我們 能 數位 出去 一個 選擇 方式
的 尋找 在 我們的 輸入 變數。
在 正在做 這， 出色地 是 改變 我們的 數據 結構。
但 患病的 展示 你 如何 我們 能 實際上 建造 一個 相等的 統計 模型
在 a 方式 那 我們 將要 不是 是 在 需要 的 去 和 收集 任何 額外的 數據，
但 實際上 我們會 有能力的 到 重新分析 精確的 相同的 數據，
和 仍然 是 有能力的 到 希望 克服 我們的 最初的 問題
和 尋找 一些 有用 方向 到 去。
這 是 這 概述 的 這 推介會。
讓 我 開始 經過 給予 你 這 一般的 主意 的 這 專案.
什麼時候 這 客戶 首次到達 出去 到 我們， 他們 有 某物 在心裡
在 條款 的 擁有 一些 原料 他們 需要 到 混合 一起，
在 a 方式 那 這 最終的 配方 展出 一些 最佳的 特性。
更多的 具體來說，
任何 配方 曾是 去 到 是 被評斷 之上 二 特性，
和 每個 的 這些 特性 有 到 見面 一些 肯定 最優性 標準。
作為 I 只是 聲明， 這 問題 本身， 是 預 一般的 在 它是 自然 .
出色地 有 一些 原料， 使用 這 常見的 類比，
我們 能 思考 關於 我們自己 在 這 廚房 擁有 一些 原料
和 擁有 到 數位 出去 a 方式 到 混合 他們。
在 方式 那， 在 這 結尾， 我們的 蛋糕 將要 看 好的
和 也 品嚐 好的。
這 是 這 一般的 框架。
現在， 讓 我 給 你 一些 更多的 細節 關於 這 具體的 蛋糕。
這 食譜 呼叫 為了 四 原料，
因素 一個， 因素 B, 因素 C, 和 因素 D.
為了 因素 一個， B, 和 C,
實際上 這 數量 到 放 在 這 食譜 是 存在 預定的。
我們 不 有 自由 那裡。
在 這 其他 手， 什麼 我們 需要 到 決定 儘管
是 如何 是 去 到 製作 那些 原料， 如果 你 喜歡。
那裡 是 多種的 方法 的 製作 那些 原料
因為 我們 有 多種的 生的 材料 那 我們 能 採用
到 到達 到 那些 原料。
然後 僅有的 後 擁有 這些 原料 準備好 為了 使用，
我們 能 實際上 採用 他們 在 這 最終的 食譜。
這 是 為了 因素 一個， B 和 C。
為了 因素 D 在 這 其他 手， 那裡 是 僅有的 一 生的 材料 我們 能 使用。
僅有的 一 方式 的 製作 它。
什麼 我們 需要 到 決定 是 如何 很多
是 去 到 放 a 因素 D 在 這 最終的 食譜。
只是 到 回顧一下， 在 條款 的 決定 -製作 問題，
出色地 需要 到 決定 四 事物，
如何 我們 製作 因素 一個， 如何 我們 製作 因素 B,
如何 我們 製作 因素 C,
和 如何 很多 的 因素 D 是 去 到 放 在 這 食譜。
好的， 現在 患病的 需要 到 是 a 小的 更多的 具體的
在 給予 你 一些 更多的 細節
關於 如何， 什麼 是 這些 方法 的 製作 因素 一個， B, 和 C.
這 客戶， 什麼時候 他們 來了 到 我們，
他們 有 相對地 很少 選項 在 頭腦 為了 這。
為了 因素 一個， 他們 通緝 到 考慮 二 生的 材料。
任何一個 僅有的 使用 生的 材料 A1， 或者 僅有的 使用 生的 材料 A2。
為了 因素 B, 一次 再次， 僅有的 二 生的 材料， B 1 和 B 2.
這 可能的 方法 的 製作 因素 B,
它 曾是 任何一個 這 二 純的 混合物 的 B 1 和 B 2、
或者 a 50-50 混合 的 B 1 和 B2.
因素 C 我們是 現在 三 排 材料 是 可用的 為了 製作 它。
再次，要么 這 三 純的 混合， C 1、 C 1、 C3，
或者 作為 a 第四 選項， 是 50-50 混合 的 C 1 和 C 2.
和 尊重 到 這 因素 D 數量，
哪個 我是 去 到 表示 經過 從 現在 在， 經過 X 1、
他們 通緝 到 測試 四 可能的 水平。
四 可能的 金額， 五， 10， 15， 和 20.
關於 這 回覆 變數， 那些 是 輕微地 更多的 直截了當
在 這 感覺 那 我們 僅有的 有 二 的 他們，
兩個都 我們的 連續的 變數。
每個 的 他們， 作為 I 曾是 提及 在 這 開始，
有 到 見面 肯定 最優性 臨界點， 最優性 標準。
為了 Y1 有 到 是 多於 17. 為了 Y2 有 到 是 多於 2.6.
現在 我們 有 在 我們的 左邊，
我們的 輸入 變數 那 我們 需要 到 決定 如何 到 演習 和 各不相同
在 製作 這 食譜。
在 這 正確的 邊，
我們 有 這 特性 那 是 有興趣的 在。
什麼 我們 決定 到 做 曾是
到 提出 我們的 客戶 到 做 設計 實驗
在 a 方式 那 我們 會 去 出去 和 製作 一些 的 這些 食譜，
製作 一些 的 這些 配方 和 是 有能力的， 從 這 集 數據，
後 記錄 這 特性 為了 [聽不清楚 00:06:32] ,
實際的 觀察到 配方，
到 理解 和 推論 這 關係 正在經歷
那 是 連結 這 輸入 變數。
如何 我們 是 製作 我們的 食譜 和 回覆 變數。
如何 這 特性 實際上 是 執行 他們自己
為了 不同的 組合 的 這 輸入。
最終 那 這 客觀的 的 這 專案 曾是 在 事實，
到 數位 出去 無論 那裡 曾是 一個 最佳的 食譜，
意義 a 食譜 那 誰 特性
兩個都 的 他們的 各自 最優性 標準。
鑑於 這 框架， 給定 這 環境，
現在 它是 漂亮的 清除 那 X 1 是 去 到 是 a 定量 多變的。
但 如何 關於 因素 一個， B, 和 C？
鑑於 這 事實 那 我們 能 混合 這些 生的 材料 .
是 我們 去 到 對待 他們 作為 分類 或者 是 我們 去 到 對待 他們 作為 數字？
在 這 階段， 因為 這 客戶 曾是 特別 有興趣的 在
觀察 這 表現 的 這些 具體的 作品 的 這 生的 材料
為了 製作 這 各種各樣的 因素 一個， B, 和 C,
我們 決定 到 容納 他們的 請求 和 編碼 他們 作為 分類 變數
在 a 方式 那 我們 是 當然 那 那些 具體的 作品
是 去 到 展示 向上 在 這 設計 的 實驗。
再次， 分類 變數 方法 那， 和 在 這 案件，
每個 等級 的 這 分類 對應 到 a 可能的 方式
的 製作 這 成分 或者 因素。
我們 結尾 向上 和 三 分類 變數
和 二， 三， 和 四 等級 分別。
現在， 轉彎 出去 那 實際上
這 分類 編碼 方法 曾是 也 漂亮的 有幫助的 在 這 討論
的 如何 我們 通緝 到 指定 這 統計 模型
那， 在 原則， 曾是 假定 到，
或者 在 至少 假定 到 是 綜合的 足夠的
到 描述 和 捕獲 這 關係 正在經歷
之間 這 因素 和 這 回覆 這 特性。
為了 這 客戶， 曾是 特別 簡單的
為了 擁有 這 分類 編碼 到 確認 和 指定
什麼 互動類型 轉彎 世界衛生組織 他們 是 期待 到 看
在 條款 的 解釋 和 是 相關的 在 解釋 這 關係。
這 最終的 統計 模型
那 我們 結束 向上 指定 這 設計 的 實驗，
包括 的 主要的 效果， 二 -方式 互動， 全部 的 他們，
二次函數 和 立方體 條款 為了 這 繼續 多變的
和 這 添加 的 這 交互作用 的 這 二次函數 和 一 的 這 因素。
現在， 的 課程，
我們 也 有 一些 約束 在 這 數位 的 實驗 可用的。
因為 我們 明顯地 不 有 無限 數量 的 資源，
所以 我們 放 a 約束 的 51 跑步，
和 這 是 這 美國能源部 那 跳轉 給了 我們
有能力的 到 估計 這 統計 模型 我們 只是 指定的，
和 也 是 有能力的 到 是 之內 這 約束
那 在 我們的 資源。
現在 和 這， 這 僅有的 事物 那 曾是 左邊 到 做
曾是 去 和 製作 這 51 配方。
想像 那 是 極佳的 快的， 和 一切 是 魔法，
和 我們 有 已經 得到 槍
和 製成 全部 的 我們的 關係 集 數據 .
現在 我們 是 在 好的 形狀 為了
估計 這 高斯 模型 那 我們 指定的。
這些 是 這 結果 為了 這 第一個屬性，Y 1.
我們 能 看 那 那裡 是 a 漂亮的 好的 合身 之間 預測 和 實際的 值。
A 另外， 如果 我們 看 在 這 指標， 這 報告， 這 模型 概括，
那些 看 漂亮的 令人滿意的。
這 相同的 是 真的 如果 我們 看 在 現在 在 這 第二 財產 Y2，
再次， 漂亮的 好的 合身。
我們 是 快樂的 和 我們的 模型， 和 我們 思考 我們 做過 a 好的 工作
在 捕獲 這 關係。
現在 記住 那 什麼 我們 真的 想 到 發現 是， 在 事實，
那裡 是 任何 最佳的 食譜 那 能 見面 兩個都 標準 為了 我們的 特性。
如何 是 我們 去 到 做 這？
如何 是 我們 去 到 建立 如果 這樣的 a 最佳的 食譜 存在 或者 不是？
出色地， 在 JMP Pro 16， 這 是 a 極佳的 簡單的 任務，
因為 我們 能 模擬 數千 的 潛在的 替代方案 食譜
經過 使用 這 分析器 特徵 選項。
為了 每個 的 這些 假想 食譜，
我們 能 自動地 有 在 這 相同的 桌子
這 預測 意思是 價值 為了 這 二 特性，
所以 那 它 來 超自然 和 極佳的 簡單的
到 看 如果 那裡 是 任何 最佳的 食譜。
只是 到 給 你 一個 主意 如何 快的 那 是，
I 想 到 展示 你 居住， 如何 我們 能 做 這。
這 是 我的 美國能源部 分類 桌子， 在哪裡 I 有 我的 因素 一個， B, 和 C.
X1 是 我的 僅有的 定量 輸入 變數。
I 有 我的 已記錄 價值觀 為了 這 二 特性， Y1 和 Y2。
現在想像一下 那 我們 有 已經 跑步 這 模型， 估計的 模型
和 已儲存 這 預言 公式 為了 這 二 變數 這裡。
我們 能 去 這裡 和 強調 這些 二 列。
去 到 圖形， 選擇 分析器，
和 然後 放 那些 二 預言 公式 在 這 Y 預言 公式 盒子
和 點選 好的。
這 是 這 通常 方式 我們 得到 a 分析器 對話 盒子。
在 事實， 我們 能 , 容易地 玩 大約 和 改變 這 各種各樣的，
但 等級 的 這 輸入 在 a 方式 那 我們 能 實際上 看
如何 這 影響 我們的 預測 為了 這 二 特性。
然而， 什麼 I 想 到 展示 你 今天
是 如何 我們 能 實際上 問， 去 到 這 紅色的 三角形，
問 跳轉 到 輸出 a 隨機的 桌子， 和 我們 能 製作 它 作為 大的 作為 我們 喜歡。
我是 去 到 開始 和 3萬 行， 只是 到 開始，
患病的 展示 你， 看，
沒有 真的，花了 不 時間 為了 跳轉 到 給 我們 這 3萬 列
在哪裡 每個 桌子， 在哪裡 每個 排 對應 到 a 假想 食譜
那 我們 沒有 一定 見過 在 這 美國能源部。
這 是 這 力量 的 擁有 這 特徵 在 跳轉，
那 我們 能 探索 這 輸入 空間 在 字面上地 不 時間。
現在， 如果 我們 是 有興趣的 在 看到
無論 那裡 是 一 食譜 那 是 最佳的，
然後 我們 能 去 這裡， 圖形 建造者，
和 放 這 預測 價值觀 為了 Y1， 預測 價值觀 為了 Y2。
和 然後 只是 到 援助 我們的 視覺化，
我是 去 到 放 a 垂直的 軸
在 一致 的 這 最佳的 臨界點 為了 Y2，
和 同樣地 水平的 線 標記 這 最佳的 臨界點 為了 Y1。
這 上 象限 表示 這 最佳的 地區，
因為 兩個都 特性 是 令人滿意的 這 最優性 標準。
很遺憾， 那 我們 能 看 從 這裡
那 我們 不 尋找 任何 食譜 那 是， 在 事實，
有能力的 到 滿足 兩個都 這 標準。
這 是 喜歡， 好的， 不是 非常 好的 消息。
現在 讓 我 去 後退 到 我的 推介會 非常 快的。
我們 能 看， 在 事實，
那 我們 不 有 任何 特性 線 這 象限
和 這 快樂的 綠色的 笑臉。
什麼 做 我們 做 在 這 觀點？
做 我們 給 向上？ 的 課程 不是。
什麼 我們 能 做 是， 在 事實， 去 後退 到 這 開始 的 這 問題
和 嘗試 到 看 如果 我們 能 改變 任何 的 我們的 最初的 選擇
那 我們 首次製作 在 接近 這 問題。
在 特別的， 你 可能 是 記住 那 我們 是 未定
無論 我們 會 對待 這 因素 一個， B, 和 C
作為 分類 或者 作為 數字。
所以 遠的 我們 有 治療 他們 作為 絕對的。
所以 遠的， 因素 A 作為 存在 a 分類 多變的， 和 二 級別，
任何一個 僅有的 使用 A1 或者 僅有的 使用 A2.
然而， 因為 在 事實， 這 客戶 是 打開
到 混合 這 生的 材料 到 製作 因素 一個。
所以 那 曾是 一個 選項。
然後 什麼 我們 能 思考 的
是 替代 這 因素 A 和 多變的
那 現在 I 稱呼 A1 內容， 哪個 是 a 定量的 多變的，
哪個 代表 如何 很多 的 A1 我是 去 到 放
進入 這 混合物 的 A1 和 A2 為 製作 因素 一個。
這 翻譯，
這 轉換 之間 分類 等級 和 數值 價值觀，
它是 幾乎 即時 .
如果 我是 僅有的 使用 A1， 我是 去 到 使用 100%的 A1 在 我的 混合物。
所以 I 能 程式碼 A1 內容 到 是 平等的 到 一。
在 這 對面的 邊， 如果 我是 僅有的 使用 A2，
這 方法 那 I 有 零 A1 內容 在 我的 混合物，
和 所以 A1 內容 是 去 到 是 平等的 到 零。
你 可能 有 猜測 那 隱含地，
我們 是 也 定義 A2 內容 到 是 平等的 到 1 - A1 內容。
但 我們 不 真的 需要 那
因為 我們 是 僅有的 尋找 在 二 混合物 變數。
為什麼 是 我們 正在做 這？
出色地， 這 優勢 是 清除 .
和 因素A，
我們 是 受限 在 尋找 在 任何一個 A1 內容 到 是 平等的 到 零 或者 一。
現在 那 是 考慮 繼續 編碼，
這 A1 內容 能 拿 任何 價值 之間 零 和 一。
這， 的 課程，
代表 一個 巨大的 跳 在 這 靈活性 的 我們的 模型
和 一個 無限 在 這 感覺 那 現在 我們 是 打開
到 字面上地 無限 更多的 混合物 和 無限 更多的 方法 的 製作 因素 A。
同樣地， 因素 B 是 分類 和 三 水平。
所以 遠的 它是 到過 這 方式，
編碼 僅有的 B1， 僅有的 B2 或者 50-50 混合。
但 下列的 這 相似的 邏輯，
我們 能 現在 介紹 和 B1 內容， 連續的 多變的。
A 獲得， 這 轉換 是 去 到 是 確切地 這 相同的。
50-50 混合 的 B 1 和 B 2 將要 是 已轉換 在 0.5
因為 我是 使用 50 % 的 B 1 和 50 % 的 B 2.
再次， B 2 內容 是 1 - B 1 內容。
A 獲得， 這 優勢 是 那 是 不是 邊界 到 跳 從 零 到 0.5，
或者 到 零 到 一 一定，
但 我們 能 探索 這 所有的 光譜 的 價值觀
從 零 到 一。
因素 C 是 可能 更多的 技巧，
因為 我們 做 有 三 可能的 生的 材料 到 混合 向上。
A t 這 階段，
我們 需要 到 介紹 不是 只是 一， 但 實際上 三 連續的 變數
那 除了 存在 連續的， 有 也 這 混合物 限制。
意思是 全部 次， 他們 需要 到 是 某物 到 一。
但 這 轉換
之間 這 等級 的 因素 C 和 這 三 新的 混合物 變數
關注 確切地 這 相同的 邏輯。
那是 極佳的 簡單的。
這 是 只是 a 視覺化 的 如何 我們 做 這 轉換 的 這 水平。
這 是 如何 這 美國能源部 點 那 我們 已經 有 這 數據 在。
我們 不 需要 任何事物 別的。
是 座位 之內 這 連續的 編碼 空間。
現在， 這 僅有的 更多的
涉及 步驟 在 透過 從 這 分類 編碼
到 使用 a 連續的 編碼 是 如何， 在 事實，
我們 轉變 這 這 統計 模型
那 我們 使用 到 設計 這 實驗 和 然後 到 分析 這 數據。
如何 是 我們 去 到 做 這？
出色地， 這 更輕鬆 方式 是 到 只是 做 它 在 許多 小的 步驟。
什麼 是 去 到 做 是 開始 和 我們的 主要的 效果 模型，
a 小的 經過 小的 在 這 不同的 因素。
我們 開始 和 因素A， 哪個 有 僅有的 二 水平。
現在 在 這 連續的 編碼， 什麼 是 去 到 放 是 A1 內容。
是 僅有的 去 到 放 這 線性 學期 的 這 A1 內容。
在 事實， 我們 僅有的 有 一 係數 為了 因素A 在 這 類別 編碼 模型。
同樣地， 現在 是 去 到 有 一 單身的 係數 為了 A1 內容。
現在 如果 你 不 相信 我， 這， 它是 一個 相等的 模型。
我是 去 到 展示 你 a 夫妻 的 例子。
想像一下 我們 想 到 數位 出去
這 影響 的 使用 僅有的 A2 為了 製作 因素A，
然後 那 方法 那 A1 內容 是 零。 美好的。
從 這 分類 編碼 模型，
是 去 到 只是 看 在 這 截距 學期，
因為 這 額外的 學期 指的是 到 什麼時候 我們 使用 A1.
在 這 其他 邊，
為了 連續的 編碼 模型，
是 去 到 放 這 截距， 的 課程，
和 然後 這 A1 內容 係數， 但 現在 我們 將要 乘 它 經過 零
因為 A1 內容 是 零。
不是 甚至 正在做 任何 數學，
你 能 真的 看 那 這些 二 數位 是 確切地 這 相同的。
相似地， 如果 我們 想 到 看 , 什麼是 這 影響 的 使用 僅有的 A1
現在 在 這 時間， A1 內容 是 去 到 是 平等的 到 一。
現在 為了 分類，
我是 去 到 和 向上 這 截距 學期 加 這 因素A 係數 符合
會計 為了 這 不同之處 和 這 等級 的 這 因素。
在 這 其他 不過，
我們 是 去 到 總是 包括 這 截距。
A t 這 觀點， 出色地 乘 這 A1 內容 係數 經過 一
因為 這 內容 是 一。
再說一遍，不是 甚至 任何 數學，
這 二 數位 這裡 是 這 相同的 作為 這 二 數位 這裡。
確切地 相等的。
現在 和 因素 B, 我們 有 三 水平。
如何 是 我們 去 到 做 那？
出色地， 因為 它 有 三 級別， 現在 我們 不能 只是 添加 這 線性 學期，
但 我們 也 需要 到 添加 這 二次函數 學期。
我們 有 二 係數 前， 和 是 去 到 有 二 係數
現在也 和 這 連續的 編碼。
A 獲得， 如果 你 不 相信 我， 這 是 一個 相等的 模型，
我們可以 工作 出去 在 至少 一 例子， 哪個 作品 確切地 作為 之前 和。
如果 I 僅有的 有 B2、B 1 內容 在 零，
方法 那 二 係數 是 去 到 有 零 重量
在 計算 這 影響。
所以 這 二 數位 是 僅有的 只是 二 那 是， 在 事實 這 相同的。
我是 不是 去 到 去 進入 這 再次，
僅有的 B 1 是 相等的 到 B1 內容 平等的 到一個。
這 最多 有趣的 是，
這 那 在 至少 需要 你 到 做 一些 總結。
在哪裡 B 1 內容 是 去 到 是 0.5， 因為 我們 是 考慮 50-50 混合。
你 能 核實 容易地
那 這些 二 數位 這裡 總結 向上
是 相等的 到 這 其他 邊 的 這 方程式
在哪裡 我們 放 0.5 和 0.5 平方，
因為 現在 我們的 B 1 內容 是 平等的 到 0.5。
現在 為了 因素 C, 我們 有 四 水平。
我們 特別 記住， 我們 有 三 可能的 生的 材料。
我們 有 到 介紹 三 混合物 變數。
每一個 時間 我們 做 有 到 交易 和 混合物 變數 事物，
它是 輕微地 複雜的
因為 他們 變得 完美 清潔工 和 任何 持續的 學期。
在 放置 這 C 1、 C 2、 和 C 3、
這 和 的 他們 刪除 或者 需要 我們 到 刪除 這 持續的 學期。
但 其他 比 那， 一切 關注 漂亮的 很多 這 相同的。
我們 有 三 係數 這裡，
和 是 仍然 去 到 有 三 係數 這裡
因為 我們 有 四、 但 我們 是 得到 擺脫 的 這 截距。
所以 仍然 這 相同的 平衡。
A 獲得， 我是 不是 去 到 去 透過 全部 的 這 例子，
但 你是 更多的 比 歡迎 到 看 在 這 幻燈片 離線
和 查看 那 那些 是， 在 事實， 給出 你 總是 這 相同的 答案。
這些 是 全部 這 例子。
現在 和 所以 很多 工作， 我們 有 成立 這 轉換 的 這 主要的 效果。
如何 我們 實際上 轉變 每個 分離 因素
進入 使用 這 新的 連續的 變數？
現在 我們的 原來的 模型， 儘管， 包括 更多的 比 只是 主要的 效果。
在 事實， 我們 有 這 二 -方式 互動。
現在 這 主意 這裡 是 那 每一個 時間 因素A 出現，
我是 去 到 代替 它與 A1 內容。
每一個 時間 因素 B 出現，
我是 去 到 代替 它
和 這 兩個B1 內容 和 B 1 內容 平方。
同樣地 為了 因素 C,
我是 去 到 代替 它 和 這 四 條款 那 我已經 放 這裡。
這 相同的 持有 什麼時候 我是 互動 和 X 1、
和 一切 是 非常 很多 在 這 相同的 味道，
邏輯上 關注 這 相同的 方案。
這 僅有的 警告 那 你 想 到 是 意識到的 的
和 是 特別 細心 關於
是 那 每一個 時間 你 相互影響 三 混合物 變數，
在哪裡 那些 是 你的 三 混合物 變數，
那些 主要的 效果 那 你 起初 有 現在 需要 到 是 排除 從 這 模型，
否則， 這 模型 慣於 是 可行的。
那是 這 僅有的 警告 那 你 需要 到 是 小心 關於。
其他 比 那， 是 準備好 到 去。
我們 得到 我們的 相等的 連續的 模型。
現在 什麼 我們 能 做 是， 在 事實， 再次， 核實 那 一切 是 仍然 相同的。
I 得到 確切地 這 相同的 預測，
任何一個 使用 這 分類 編碼 或者 去 和 使用 這 連續的 編碼。
現在 你 可能 問 我， 為什麼 是 你 去 進入 所以 很多 麻煩
和 去， 正在做 所以 很多 混亂 如果 事物 是 確切地 相同？
出色地， 這 優勢 是 即時 到 看，
和 你 能 真的 欣賞 它 如果 你 開始 尋找 在 這 分析器。
這 是 這 分析器， 如何 它 看起來， 什麼時候 你 使用 這 分類 編碼 .
你 有 到 跳 之間 這 不同的 水平。
你 不 有 這 最微弱的 主意 什麼 能 發生 在 之間。
隨著 連續的 編碼 在 其他 手，
那是 確切地 什麼 你 能 做。
你 能 探索 方式 更多的 的 這 不同的 可能的 方法
的 製作 這 各種各樣的 原料 因素A， B, 和 C
在 a 方式 那 前 它 曾是 只是 出去 的 界限。
在 技術的 條款， 方法 那 我們 有 方式 更多的 力量 的 插值。
這 沒有 來 自由的， 的 課程。
什麼 你 支付， 這 價格 的 是 在 事實，
那 你 是 隱含地 製作 一些 假設。
這 假設 問候 這 方式 那 這 各種各樣的 新的 連續的 變數
那 我們 有 介紹 是 有關的 到 這 回應。
在 a 方式， 我們 是 隱含地 假設 那
這 關係 之間 A 1 內容 和 我們的 特性 是 線性的。
這 關係 之間 B1 C 帳篷狀 是 二次和 所以 向前。
如果 你 思考 那 那些 假設 不 真的 抓住 在 你的 案件，
然後 的 課程， 這 所有的 程式 是 值得懷疑。
你 不 想 到 追求 這。
但 如果 你 不 有 任何 原因 為什麼 你 不會 相信 這，
或者 在 至少 為什麼 你 不會 在 至少 探索 這 可能性，
然後， 現在 我們 能 去 後退 和 做 這 相同的 鍛鍊
和 探索 再次 這 輸入 空間， 但 和 方式 更多的 靈活性。
再次， 讓我們 看 如果 我們 能 尋找 那 一個 最佳的 食譜
和 這 新的 連續的 混合物 編碼。
如何 是 去 到 做？ 出色地， 確切地 相同的 方式。
我要 使用 這 跳轉 分析器 特徵
和 使用 這 模擬 和 看 如果 我們 能 尋找 任何事物。
現在 讓 我 去 這裡。
這 是 我的 美國能源部 連續的 桌子。
連續的， 因為 現在 你 能 看 那
這些 是 全部 編碼 作為 連續的 變數 .
他們 有 這 藍色的 三角形 下一個 到 他們自己 .
這 C 1、 C 2、 C 3 是 也 這些 星星，
指示 那 他們是 編碼 作為 混合物 變數 在 跳轉。
現在 想像 那 再次，
我們 有 已經 已安裝 我們的 模型 和 這 合身 模型 平台。
我們 已儲存 我們的 預言 公式 現在 和 這 連續的 編碼。
什麼 是 去 到 做 相同的 事物，
圖形 分析器， 選擇 那些， 和 這裡 我們 去。
這裡 是 我們的 預言 分析器。
現在 我們 能 玩 方式 更多的 和 這 分析器 和 看 全部 不同的 組合
沒有 擁有 到 跳 之間 不同的 選項。
現在， 一次 再次， 紅色的 三角形， 輸出 隨機的 桌子。
只是 為了 製作 事物 公平的， 我是 去 到 問 3,000 行。
再次， 不 時間， 字面上地 眨 的 一個 眼睛。
跳轉 給出 你 3,000 排 表
在哪裡 現在 每個食譜都重複了，抱歉。
每一行 是 再次， a 潛在的 假想 食譜
那 我們 沒有 真的 看到， 一定 見過 在 我們的 美國能源部
但 它 仍然 可行的，
因為 它 仍然 尊重 這 約束 那 我們 有 在 這 開始。
一次 再次，
到 數位 出去 無論 某物 好的 是 正在發生，
或者 在 至少 無論 之內 這 3萬 配方，
我們 做 尋找 某物 那 是 最佳的。
我是 去 到 構造 這 相同的 圖形。
現在 你 能 看 那 我們的 點 是 全部 分散 和 是 不是 對齊 不再。
再次， 配件 這 軸 只是 到 援助 我們的 可視化。
這 是 這 好的 事物。
和 這 方式 的 編碼 和 尋找 在 更多的 的 這 輸入 空間，
我們 做 尋找 很少 配方 那 似乎 到 是 有希望。
的 課程， 我們 需要 到 保持 在 頭腦 那 這 我們的 預測 值。
一切 是 仍然 依靠 在 我們的 數據， 在 我們的 統計 模型 分析，
但 是 仍然 更多的 有前途 比 前。
我們 做 尋找 某物 在 這 最佳的 地區 定義 經過 這些 二 軸。
迅速地， 去 後退 到 我的 推介會，
I 想 到 畫 a 最終的 結論 這裡，
哪個 是， 在 事實， 那， 使用 這 分類 編碼，
我們 不能 尋找 任何 食譜 那 在 至少 在 這 預測 邊，
可以， 在 事實， 見面 兩個都 這 最優性 標準。
出色地， 一次 我們 轉動 到，
計算 出去 如何 到 程式碼 這些 不同的 分類 變數
進入 連續的 和 混合物 變數
和 開發 這 跳轉 力量 的 給予 我們 數千 和 數千 的 配方，
我們 做 尋找 a 很少 那 在 事實 見面 這 規格。
我們 是 快樂的 那 在 至少 我們 可以 去 後退 到 我們的 客戶 說，
看， 反而 的 給予 向上 在 你的 專案,
嘗試 到 製作 這些 配方 和 看 如何， 在 事實，
無論 這 實際的 特性 做 見面 你的 標準 或者 不是，
但 在 至少 它 給出 我們 一些 方向 的 改進 在哪裡 到 去。
和 這， ID 喜歡 到 結尾 我的 推介會。
感謝 我的 同事， Xinjie Tong
和 全部 的 我的 合作者 在 陶氏 化學。
感謝 你， 全部 的 你 為了 觀看 我的 推介會。
患病的 是 更多的 比 快樂的
到 回答 任何 問題 你 可能 有 在 這 觀點。
感謝 你。
