你好， 每个人。 谢谢 为了 加入 我的 跳转 讲话 今天。 今天， I 会 喜欢 到 讲话 到 你 关于 如何 我们 看 在 等价 之间 套 的 批 数据 超过 时间 在 富士胶片。 在 特别的， ID 喜欢 到 说话 关于 a 新的 多变量 拿 在 这 二 一 双面 特 估计
虽然 这 特别的 少量 是 a 新的 比较 技术， 它 没有 代替， 相当 它 补充 这 通常 单身的 观点 技术， 和 在 这 工作流程， 我们 是 仍然 依靠 沉重 在 那些。 这 最后的 少量 这里 将要 描述 如何 我们 比较 数据 套， 从 这 时间 系列， 我们 得到 从 二 不同的 秤， 但 它 可以 是 任何 逻辑 团体。
患病的 迅速地 去 通过 如何 我们 准备 这 数据， 或者 相当 得到 它 在 这 状态 在哪里 我们 能 跑步 这 脚本， 和 我们 将要 看 在 这 可视化 为了 这 通常 单身的 时间 点 在 跳转， 和 出色地 还 看 在 一些 脚本 那 I 使用 到 跑步 主成分分析 在 全部 这 变量 和 测试 等价。
T 谈话 关于 托斯特 或者 等价 测试。 T 他 二 T检验 是 a 二 一 双面 T- 测试， 和 它 检查 无论 在 平均的， 你的 二 数据 套 为了 a 给定 多变的 是 相等的。 非常 相似地， a 多变量 测试 检查 无论 在 平均的 这 结束的 主要的 成分 或者 个人电脑 为了 a 给定 天 的 a 发酵 这里， 是 相等的 为了 二 不同的 秤。
你 需要 数据 到 是 在 a 具体的 格式， 但 在 特别的 你 需要 二 不同的 组 这里。 它是 二 秤， 如果 你 有 更多的 比 二， 你 将要 需要 到 分裂 他们 在 套 的 二。 它是 更多的 合适的 为了 时间 系列， 因为 它是 a 数据 减少 技术 那 你 不会 需要 如果 你 没有 a 问题 和 拥有 a 很多 的 数据 點。
这 曾是 部分， 起初， 的 a 脚本 那 曾是 全部 完毕 在 R， 但 作为 I 已移动 进入 使用 跳转 为了 可视化 更多的 和 更多的， I 想法 那 它 曾是 很多 更轻松 到 使用， 尤其 如果 我们 想 到 经过 在 那些 脚本 到 职员。 R 是 不是 总是 那 可访问。
I 已移动 a 很多 的 这 脚本 进入 跳转 经过 现在。 这 仅有的 事物 那是 仍然 在 R 是 这 数据 归责。 这 脚本 和 预 工作 拿 关心 的 异常值， 丢失的 数据， 和 不一致 条目。 这 R 做 这 数据 归责。 为什么 有 I 已移动 到 跳转？ 第一的 的 全部， 它 曾是 因为 I 可视化 在 跳转。
为什么 是 它 好的 到 可视化 数据 在 跳转？ 因为 跳转 是 只是 制成 为了 那。 它是 真的 好的 为了 寻找 在 丢失的 数据 和 异常值 和 任何 图表。 这 时间 系列 是 不 例外 到 这。 这 丢失的 数据 视觉效果 在 跳转， 给 你 a 颜色 地图 的 在哪里 你的 数据 是 丢失的， 所以 你 能 寻找 行 在哪里 数据 是 丢失的。
那 方法 a 天 可能 不是 是 这 最好的 到 保持 在 这 数据 放。 你 能 立即地 可视化 块 的 数据 丢失的， 那 它 会 是 天 在 a 排， 和 你 能 制作 a 决定 在 无论 你 想 到 保持 全部 那些 天 或者 做 这 分析 两次， 为了 例子， 和 它 将要 迅速地 展示 你 如果 你 有 数据 丢失的 从 一 团体 和 不是 这 其他， 在 哪个 案件 你会 有 到 做 离开 和 那 多变的 共。
还， 异常值 需要 加工 事先的 你 插， 否则 他们 将要 有 a 巨大的 影响 在 这 主成分分析 和 这 比较 测试。 那里 是 一个 异常值 检测 平台 在 跳转， 但 这 是 用过的 这里 在 我们的 工作流程 组合 和 观看 这 时间 系列 和 这 比较。 但 患病的 展示 全部 那 在 这 演示。
然后 这 图形 建造者 是 用过的 到 阴谋 全部 这 时间 系列。 那里 是 许多 方法 到 做 那， 但 I 将要 展示 你 在 这 脚本 这 二 主要的 图表 那 我们 使用 到 查看 那 我们的 数据 是 好的 到 去。 这里 他们 是， 这 时间 系列， 和 那些 在 特别的 是 包裹 经过 一批， 所以 那 你 得到 一个 个人 阴谋 为了 每个 时间 系列。
它是 a 小的 阴谋， 但 通常 它是 足够的 到 点 丢失的 数据 异常值 或者 任何 诡异的 或者 不同的 行为。 这里， 为了 例子， 让 我 得到 这 激光 在。 好了。这里 我们 有 a 簇 的 点 那 是 值得怀疑。 我们 需要 到 查看 无论 这 是 行为 那 我们 想 到 捕获 或者 如果 它是 行为 那是 异常， 和 我们 想 到 臭 这 休息 的 这 数据。
或者 我们 可以 有 单身的 异常值 喜欢 这里。 我们 看 这 相当 经常， 但 这里 你 能 注意 它是 全部 在 这 相同的 天。 所以 是 它 某物 那 发生 在 天 六 在 那些 发酵？ 其他 方式 到 阴谋 时间 系列， 和 我们 做 那 作为 出色地， 是 到 实际上 覆盖 他们。 经过 覆盖 他们， 你 能 看 无论 你的 数据 是 持续的 为了 a 给定 天。
这里 我们 有 个人 价值 情节， 哪个 是 什么 我们 看 在。 但 我已经 还 问 跳转 到 放 a 小的 盒子 阴谋 大约 全部 那些 数据 因为 这 模仿者 什么 我们 有 什么时候 我们 是 正在做 我们的 方差分析 在 这 第二 步 的 我们的 数据 可视化。
这 是 非常 典型的 的 什么 发生 在 我们的 流程 超过 时间。 在 这 第一的 星期， 这 数据 是 显示 非常 低的 多变性。 这 盒子 情节 是 小的 和 他们 是 通常 相当 出色地 对齐。 这 平均的 是 大约 这 相同的 价值。
什么时候 我们 抵达 这 第二 星期 的 这 发酵， 事物 开始 到 漂移 分开 和 事物 开始 到 得到 很多 更多的 多变的。 如果 你 是 密谋 天 六 经过 本身 在 一 批 每 天 类型 的 阴谋 这里， 你会 是 有能力的 到 看 什么 这 不同之处 是 在 平均的 之间 这 大的 规模 在 红色的 和 这 小的 规模 在 蓝色的。
在 天 六， 你 有 a 小的 不同之处 和 在 天 12， 你 有 a 大的 不同之处。 那些 差异 是 什么 我们 是 寻找 到 测试 什么时候 我们 做 单身的 点 T检验 和 我们的 方差分析。 前 我们 携带 在， I 只是 想 迅速地 有 a 回顾 的 什么 这 差异 是 之间 T- 测试 和 托斯特。
A T- 测试 是 完全地 统计， 无论 这 托斯特 需要 a 用户 输入 为了 a 实际的 可接受 不同之处。 在 a T- 测试， 你 假设 那 那里 是 不 不同之处 之间 这 意思是 和 如果 你 得到 a 小的 P 价值 或者 重要的 结果， 然后 你 否定 那 和 你 说 那里 是 a 不同之处 之间 你的 数据 套。
A 托斯特 告诉 你 那 那里 是 不 不同之处 之间 你的 数据 套， 如果 你 有 a 重要的 结果。 如果 你 失败 a T- 测试， 这 信心 间隔 为了 这 主要的 不同之处， 在 那些 情节， 就是这样 黑色的 正方形 这里。 所以 这 信心 间隔 为了 这 托斯特， 如果 你 失败， 做 不是 叉 这 零 线。
但 如果 你 失败 a 托斯特， 这 信心 间隔 为了 这 不同之处 是 不是 包含 经过 这 实际的 可接受 不同之处。 你 有 二 结果 为了 a T- 测试 和 二 结果 为了 a 托斯特， 哪个 方法 你 有 四 組合。
任何一个 你 经过 或者 失败 两个都， 或者 你 经过 和 失败 一 的 他们。 在 跳转， 通常， 那里 是 不同的 平台 那 做 托斯特 和 T检验， 但 你 将要 有 a 普通的 分配 为了 这 不同之处。 如果 你 经过 a 测试， 然后 你的 意思是 不同之处 是 在 那 小的 钟 曲线。 如果 不是， 它是 外部。
所以 它 可以 迅速地 可视化 哪个 一 已通过 或者 不是 在 一个 方差分析。 H 还 他们 是， 这 方差分析。 让我们 步 两个 我们的 可视化 和 干净的 过程。 我们 使用 a 脚本 到 阴谋 全部 的 那些 一起 在 a 报告 所以 那 我们 能 看 在 全部 的 他们。 如果 你 思考 关于 这 数据 放 这里， 它 曾是 关于 15 变量 超过 12 天。 所以 你 有 超过 150 这样的 情节， 哪个 是 a 很多 的 数据 到 看 在， 尤其 如果 你 改变 事物 和 阴谋 他们 再次。
但 这里 是 一些 示例 的 什么 你 可能 看。 你 可能 经过 a T检验 或者 失败 它。 你 可能 经过 a T检验， 但 仅有的 因为 你 有 足够的 层 那是 拉 一 的 这 数据 套 向上 或者 向下， 为了 例子。 那里 是 许多 可能的 结果 那 你 会 得到 这里。
不是 一切 是 在 这 截屏， 但 是 还 寻找 在 这 方差 在 那 报告。 这 主要的 成分 比较， 我们 不 做 这 这里 和 这 脚本。 I 使用 这 图形 建造者 到 实际上 阴谋 那些 因为 他们 是 喜欢 这 情节 I 有 在 a 夫妻 的 幻灯片 以前的。
但 这 不同之处 那 你 可以 看 这里 是 在 这 规模。 现在， 因为 是 说 关于 主要的 成分， 这 分数 趋向 到 是 大约 零 在 平均的， 和 他们 各不相同 之间 减 三 和 三 因为 我们 规范化 这 数据 前 携带 出去 这 主成分分析。
这 优势 的 这 是 那， 现在 反而 的 拥有 到 提供 一个 可接受 价值 为了 a 任务， 因为 这 数据 是 标准化， 我们 能 实际上 毯子 计算 那 可接受 不同之处 经过 服用 a 乘数 的 这 标准 偏差 为了 我们的 分数。
这里 我们 有 这 第一的 主要的 成分 和 它 清楚地 节目 有 a 大的 不同之处 之间 这 大的 和 这 小的 规模。 这里 和 这 第二 主要的 成分， 那里 是 a 更小 不同之处。 这 是 典型的 的 什么 我们 看， 因为 这 第一的 主要的 成分 倾向 到 捕获 这 更广泛 形状 的 这 发酵 轮廓。
所以 如果 那里 是 a 不同之处 在 那 更广泛 形状， 这 托斯特 为了 这 第一的 个人电脑 倾向 到 失败。 通常， 什么 我已经 见过 是 那 为了 我们的 数据， 二 主要的 成分 可以 捕获 关于 60 % 的 这 信息 在 这 变量。 为了 那些 的 你 WHO 可能 有 完毕 个人电脑 在 数据 前， 那 可能 似乎 a 低的 数字， 但 那是 大概 因为 全部 这 变量 有 a 不同的 故事 到 告诉。
其他 事物 ID 喜欢 到 花费 a 小的 少量 的 时间 在 是 这 加载中' 的情节。 这 是 部分 的 这 主成分分析 平台 在 跳转， 和 它 有 这 阴谋 在 这 非常 顶部 的 这 平台， 和 它是 a 好的 一 到 看 在 如果 你是 a 科学家 那是 更多的 感兴趣的 在 寻找 在 什么是 真的 去 在。
但 这 原因 为什么 I 有 这 在 a 滑动 这里 是 因为 这 是 a 好的 表示 的 什么 我们 是 去 到 看 在 如何 很多 每个 多变的 贡献 到 这 模型 那 是 选择 前 正在做 这 等价 测试。
这里， 为了 例子， 全部 这 变量 有关的 到 生存能力 为了 我们的 发酵 是 高度 相关 因为 他们 是 关闭 一起 这 方式 他们 项目 到 这 个人电脑 一 和 个人电脑 二 这里， 他们 得到 高的 值。 我们 说 那 那些 地图 出色地 到 这 第一的 二 件。 所以 那 方法 那 他们 是 参与 a 很多 到 这 模型。
这里 我们 有 一些 其他 变量 那 是 密切 聚集 一起 这里。 所以 钠， 钾 和 谷氨酰胺。 他们 是 高度 相關。 他们 地图 非常 出色地 到 这 第一的 个人电脑， 但 不是 到 这 第二。 所以 他们 不 贡献 a 很多 到 这 模型 和 这 第二 个人电脑。
然后 这里 你 有 有问题的 变量。 他们 做 不是 地图 出色地 到 任何一个 件。 那 方法 那 在 a 2PC 模型， 你 是 不是 去 到 捕获 这 行为 为了 那些 变量。 什么时候 你 看 这， 你 已经 知道 那 a 2PC 模型 是 不是 去 到 给 你 a 很多 的 等价 为了 那些 变量。
最后的 步 是 到 实际上 阴谋 这 托斯特。 这 是 完毕 再次 使用 a 脚本。 那些 图表 是 不是 这 图表 那 你 会 通常 寻找 在 跳转， 但 他们是 漂亮的 典型的 的 托斯特 地块。 为了 每个 个人电脑 为了 每个 天， 我们 将要 有 a 托斯特 或者 等价 测试 结果。 如果 这 信心 间隔 是 外部 的 这 可接受 范围， 哪个 是 三 次 这 标准 偏差 的 这 分数 在 这 案件， 然后 我们 失败 这 托斯特。
什么时候 我们 失败 这 测试， 我们 给 它 a 零 在 这 脚本。 到 总结 什么 发生 这里， 每个 个人电脑 将要 捕获 a 肯定 数量 的 这 多变性。 每个 个人电脑 能 经过 或者 失败 a 托斯特。 此外， 每个 多变的 贡献 到 a 肯定 程度 到 每个 个人电脑。
A 主要的 成分 是 a 线性 组合 的 全部 这 变量。 共， a 多变的 那 有 a 强的 贡献 到 a 主要的 成分 那 通行证 a 托斯特 将要 有 a 强的 影响 在 全面的 等价 之间 这 批次。 这 是 什么 我们 是 尝试 到 放 一起。
如何 做 我们 放 这 一起？ 那里 是 许多 方法 我们 可以 放 这 一起。 I 有 完毕 某物 漂亮的 简单的 这里。 它是 只是 a 和积 的 通过 或者 失败 a 个人电脑， 次 这 贡献 的 这 多变的。 基本上， 为了 例子， 为了 二 件 这里， 是 失败 这 第一的 等价 测试， 和 这 可行的， 有 a 40 % 贡献， 所以 那 获取 零， 加 一 通过 这 托斯特， 次 这 贡献 这里， 到 那 个人电脑。
那是 这 全面的 分数 为了 它。 在 黑色的， 你 有 这 基本的 分数 为了 每个 天 这里。 让我们 称呼 这 情商， 你会 看 那 在 这 表 之后。 在 平均的， 是 得到 关于 70 %。 它是 不是 也 坏的 超过 这 课程 的 这 发酵。 添加 件 没有 制作 a 非常 大的 不同之处 因为 这 映射 非常 出色地 到 这 二 件。
这 pH值， 哪个 曾是 一 的 这 变量 那 做过 不是 地图 非常 出色地 到 这 第一的 二 件 获取 a 真的 坏的 平均的 分数， 如果 你 添加 仅有的 二 件 在 这 模型， 大约 三十 %。 但 如果 你 添加 其他 四 件， 那里 是 去 到 告诉 我们 这 一， 那 数字 去 向上 到 超过 80 %。
那里 是 不 坏的 或者 好的 数字 这里， 但 它是 某物 你 需要 到 保持 在 头脑 那 它 真的 取决于 在 这 模型 那 你 选择 为了 跑步 这。 移动 在， 这 是 这 非常 最后的 输出 从 这 脚本， 和 那是 什么 是 真的 感兴趣的 在， 尤其 如果 我们 是 比较 不同的 流程 或者 不同的 方法 到 跑步 它。
你 有 a 酒吧 图表 的 全部 你的 个人 等价 秒。 这 节目 你 真的吗， 经过 多变的， 哪个 一 是 相似的 从 一 规模 到 这 其他。 这里 我们 有 三 变量 那 是 漂亮的 相似的 其中 批次， 和 然后 它 真的 滴 向下 向上 到 这 最后的 一 这里 哪个 有 a 非常 低的 等价。
在 这 顶部 正确的 角落 这里， 跳转 将要 放 一个 平均的 如果 你 问 为了 它。 T 帽子 a 好的 公制， 虽然 它是 非常 reducting. 它是 a 好的 公制 到 比较 这 相同的 流程， 如果 你是 使用 不同的 方法 到 跑步 这 托斯特 或者 不同的 数字 的 件。
I 有 更多的 幻灯片 关于 这， 但 I 思考 它是 更好的 到 跑步 直的 进入 这 演示 在 这 兴趣 的 时间。 我已经 放 a 小的 跳转 杂志 一起。 不是 非常 好的 在 这。 I 希望 它是 去 到 工作。 在 跳转， 出色地 只是 看 在 这 数据， 这 三 脚本， 和 二 不同的 方法 到 跑步 这 最后的 一。
那是 这 匿名 数据 放 这里。 我的 电脑 是 非常 慢的。 那里 我们 去。 I 思考 它是 在职的。 它是 只是 真的 迟缓。 在 这 数据 放 是 这 仅有的 最低限度 那 你 需要， a 跑步 类型 和 二 团体， a 批 ID， 哪个 是 a 分类 多变的 尽管 存在 a 数字 这里， 和 这 时间 ID 在 这 案件， 它是 超过 一 记录 a 天， 所以 它是 超过 a 数字 的 天。
这 第一的 少量 我们 做 是 阴谋 全部 这 时间 系列。 我已经 左边 这 和 a 很少 位 和 鲍勃 那 是 不是 真的 好的， 所以 那 I 可以 观点 他们 出去。 全部 这 脚本 在 这 团体 和 那里 是 三 的 他们， 是 基本上 正在做 这 相同的 事物 在 这 开始， a 少量 的 打扫 向上 和 准备， 和 它是 去 到 创造 a 克隆 的 你的 数据 桌子 到 工作 在 没有 打破 你的 数据 桌子， 和 还 a 目录 到 节省 全部 这 输出 从 这 脚本。
然后 这 脚本 是 基本上 循环 这里 超过 这 数字 的 变量 和 密谋 他们 一 在 a 时间 和 放置 一切 在 a 报告。 让我们 跑步 这。 这 是 a 非常 广义的 脚本 和 它 作品 出色地 在 全部 这 数据 套。 总是 紧张的， 事物 是 不是 去 到 工作 因为 它是 所以 慢的。 这里 我们 去。 它是 仍然 思维。 我只是 是 病人 和 等待。
这 将要 阴谋 这 包裹 经过 批 时间 系列 和 在 覆盖 时间 系列 作为 出色地。 你会 有 一 的 每个 为了 每个 多变的。 它 将要 说 多变的 一， 这 实际的 姓名 的 你的 多变的 这里 和 阴谋 他们。 这 是 什么 我们 想 到 看， 基本上。
我们 有 这 相同的 形状 为了 全部 这 批次 和 他们 是 持续的 穿过 这 秤。 出色地 移动 向下 到 一 那 没有 看 作为 好的。 那里 我们 去。 为了 这 多变的， 我们 有 这 相同的 形状 为了 这 规模 工作， 和 然后 a 非常 不同的 形状 为了 这 小的 规模。 我们 需要 到 寻找 出去 为什么 这 是 正在发生 和 做 我们 想 到 保持 这 多变的 在 这 模型。
在 特别的 这里， 我们 有 一 批 那是 非常 行为不端。 如果 你 看 在 这 在 一个 覆盖 阴谋， 它 是 非常 明显的 那 这 平均的 曲线 没有 代表 任何一个 这 大的 规模 或者 这 小的 规模。 这 是 a 多变的 那 你 需要 到 来 后退 在。
多变的 6、 I 思考 曾是 在 这 推介会。 这 节目 你 在哪里 你 有 一些 异常值 那 你 可能 有 错过 这 时间 前。 然后 其他 事物 你 需要 到 看 为了 在 那些 情节， 是 无论 你的 小的 和 大的 规模 数字 是 混合 一起。
如果 你的 红色的 和 蓝色的 点 是 全部 混合 一起， 然后 机会 是 你的 秤 是 漂亮的 相似的。 但 在 一些 案件， 喜欢 这里， 为了 例子， 这 小的 规模 数据 是 几乎 总是 多于 这 大的 规模 数据。 所以 你 能 预计 到 看 a 不同之处 这里。 这里 I 有 较少的 比 多变的 11， 哪个 是 真的吗， 真的 坏的。
这 发生 相当 经常 到 我们， 什么时候 我们 有 a 不同之处 在 记录 这 变量。 这里 它 曾是 实际上 a 不同的 单元， 和 那是 为什么 我们 有 非常 不同的 数字。 现在， 什么时候 你 放 这 数据 从 图表 在 a 报告 喜欢 这， 很遗憾， 你 失去 我的 最喜欢的 特征 在 跳转， 哪个 是 互动性。
你 不能 实际上 强调 a 观点 或者 a 系列 的 点 和 去 看 什么 他们 是 正在做 在 这 桌子。 但 这 脚本 是 保存 全部 那些 个人 情节 为了 你。 这里 我们 是。 在 这里， 它是 创建 a 目录 和 全部 这 情节 那 我们已经 只是 看到， 加 它 已保存 那 克隆 和 这 时间 系列 标记 在 这 结尾。
在 这里， 你 能 看... 如果 I 能 实际上 使用 我的 老鼠， 你 能 看 那些 时间 系列 一 在 a 时间。 然后 你 能 选择 这 点 那 你 会 通常情况下 到 使用 这 互动性 在 跳转。 如果 你 有 一些 打开 在 这 相同的 时间， 全部 的 他们 将要 是 突出显示 在 全部 你的 地块。
那是 它 为了 时间 系列。 出色地 移动 在 到 这 第二 部分 的 这 过程， 和 那是 寻找 在 全部 你的 方差分析。 这 是 在 这 适合 Y-by-X 平台， 和 喜欢 这 其他 脚本， 它是 正在做 a 少量 的 整理 向上 在 这 开始， 和 然后 它 循环 超过 天 和 创建 a 子集 的 这 桌子 为了 每个 天。 然后 有 a 报告 在 这 差异 之间 这 组。
如果 你 有 书面 脚本 前， 你 将要 看 那 这 是 漂亮的 典型的 的 写作 a 脚本 在 跳转。 一些 的 它 是 书面 经过 手， 和 a 很多 的 它， 这 大部分 的 什么是 正在发生， I 基本上 跑了 在 跳转 和 复制 粘贴 它 进入 这 脚本。 出色地 跑步 这 在 这 肮脏的 数据 放。 希望如此， 它 没有 拿 也 很多 时间。
如果 你 有 a 快速地 电脑， I 相信 那 你 会 不是 甚至 看 那些 视窗 实际上 打开。 它 会 是 立即的。 你 可以 看 这里 如何 跳转 是 基本上 去 到 a 数字 日和 然后 服用 a 子集 的 那 桌子， 跑步 a 脚本， 保存 它 到 那 小的 数据 桌子， 和 它是 正在做 这 为了 每天， 和 我们 有 12 天 这里， 所以 它 需要 a 尽管。
这 将要 还 节省 一切 在 它是 自己的 文件夹。 在 这 案件， 出色地 只是 看 在 一 的 这 已保存 報告。 这里 你 有 a 子集， 全部 这 是 为了 天 一， 但 它是 a 很多 更小 桌子。 这里 你 有 这 报告 那 你 和 你的 科学家 会 想 到 看 在， 哪个 节目 你 全部 这 T 检验。 现在 你 能 看 在 全部 那些 T检验 只是 到 看 如果 他们 经过。
你 可以 数数 如何 许多 经过 和 拿 a 部分 的 通过 T 检验。 但 这 是 还 a 好的 地方 为了 发现 那些 更多的 微妙的 异常值 因为 每个 盒子 阴谋 可能 有 一些 数据 那 你 想 到 问题。 再次， 你 会 强调 那些 点 和 查看 无论 你 想 到 保持 他们 在 你的 最终的 数据 放 或者 不是。
移动 在 再次。 是 最后 在 这 最后的 少量， 哪个 是 大概 这 最多 有趣的。 那是 全部 这 主成分分析。 这 是 a 很多 大 脚本， 因为 它 有 到 拿来 信息 从 这 跳转 平台。 I 不 有 a 很多 的 时间 为了 这， 但 I 能 回答 问题 在 这 结尾 如果 你是 感兴趣的。
这 其他 事物 和 这 脚本 是 那 I 有 难的 编码 一些 位， 所以 它 需求 到 是 修改的 为了 每一个 数据 放。 I 需要 到 使固定 那 在 一些 观点。 为了 例子 这里， 它是 实际上 正在做 a 主要的 成分 分析 在 一 的 这 天， 所以 a 子集 的 这 数据 桌子。 然后 我们 转变 到 这 主成分分析 报告， 和 这 变成 一个 目的 在 你的 跳转 脚本。
然后 从 这 目的 这里， 你 能 得到 项目。 为了 例子， I 跑步 这 主成分分析 和 I 有 这 作为 一个 目的， 和 现在 I 说， I 想 这 特征值 在 那里。 这 方式 到 寻找 这 对象 那 你 需要 是 到 打开 这 树 结构， 在 你的 跳转 报告 和 一切 是 编号 和 对齐。 所以 你 能 得到 一切 那 你 需要 从 这 跳转 报告 作为 a 价值， 作为 a 矩阵， 作为 一个 大批。
它 真的 取决于 在 什么 你 想。 但 你 可以 看 我已经 完毕 这 这里。 所以 一次 它 有 全部 这些 价值观 这里， I 提炼 这 主要的 成分 和 I 合身 再次， Y-by-X 这 主要的 成分 相对 我的 秤 这里。 A 获得， I 转变 到 报告。 我是 正在做 这 所以 那 I 能 得到 这 根 意思是 正方形 错误 从 那 报告。
那是 因为 它是 这 最好的 估计 I 将要 有 为了 我的 标准 偏差。 我是 使用 这 标准 偏差 这里 到 毯子 计算 我的 可接受 不同之处 为了 我的 托斯特。 I 最后 能 实际上 跑步 我的 托斯特 这里。 所以 再次， 那是 其他 团体。 和 这 时间 它是 脚 宽的 经过 X， 但 我是 询问 为了 一个 等价 测试 和 三角洲 作为 我的 可接受 不同之处。
这 休息 的 这 脚本 将要 阴谋 全部 这 任务 和 它是 非常 无聊的。 然后 在 这 结尾， 它 将要 创造 a 桌子 和 全部 这 输出 和 全部 这 事物 那 我们 需要 到 创造 我们的 酒吧 图表 和 最终 我们 可以 还 创造 这 酒吧 图表。 出色地 跑步 这 为了 这 数据 放。 只是 检查 I 有 这 正确的 一。 那里 我们 去。 就在那里。 患病的 点击 在 它 现在。
你 可以 看 它 在 这 背景 这里。 它是 镦 这 表 和 它是 正在做 这 痛苦地 慢慢地。 为了 每一个 天， 它 将要 选择 这 天， 制作 a 更小 数据 桌子， 做 a 主成分分析 在 全部 这 变量， 和 然后 I 将要 节省 这 主要的 成分， 这 特征值 和 这 余弦 为了 更远 计算。
它 将要 使用 这 主要的 成分 为了 第一的 正在做 a T检验， 因为 那是 在哪里 是 去 到 得到 我们的 估计 的 这 标准 偏差 和 第二， 做 一个 等价 测试 到 查看 无论 它 通行证 等价。 I 思考 我们在 天 七， 是 去 到 得到 那里 最终。
它 将要 还 阴谋 全部 我们的 等价 测试， 和 它 将要 还 创造 这 酒吧 图表 和 这 新的 目录。 Bre 与 我的 电脑。嗯， 这 是 服用 更长 比 它 应该， 真的。 I 希望 它是 去 到 工作。 有时 脚本 那 是 相当 忙碌的， 意思是 那 它是 难的 为了 跳转 到 抓住 向上 和 什么是 正在发生 在 这 背景。
I 希望 它是 不是 去 到 失败 因为 的 那。 不， 这里 我们 去。 它是 现在 创建 a 报告， 和 为了 每个 天， 它是 去 到 放 每个 托斯特 在 a 柱子 的 图表。 I 有 书面 这 脚本 在 这样的 a 方式 那 他们是 全部 这 相同的 尺寸 和 那 曾是 建议 经过 一 的 我们的 科学家， 实际上， 所以 他们是 很多 更轻松 到 比较。
这里 我们 有 数据 那 真的 需要 一些 额外的 打扫 向上， 所以 它 来 到 不 惊喜 那 全部 我们的 等价 测试 为了 这 第一的 原则 成分 是 失败。 那是 因为 这 主成分分析 是 完毕 在 变量 那 是 不是 相似的 之间 组。 但 这 更多的 微妙的 行为 那是 捕获 在 a 第二 个人电脑 是 仍然 通过 a 很多 的 这 等价 測試。
患病的 关闭 这 到 展示 你 什么是 到过 已保存 在 这 目录 为了 这 一。 为了 这， 你 有 个人 子集 桌子 和 他们的 主成分分析 和 潜艇 脚本。 甚至 开幕 a 小的 桌子 喜欢 这 是 服用 a 长的 时间。 那里 我们 去。 这里 是 这 主成分分析。 这是 这 加载中 阴谋。
这 是 在哪里 这 特征值 来 从， 和 这里 这 余弦 哪个 是 拉 出去 经过 这 脚本。 它 有 这 托斯特 结果 那是 用过的 为了 制作 这 托斯特 图表， 但 我们已经 已经 见过 那些。 它 有 a 桌子 那 节目 你 哪个 托斯特 通过了 a 零 或者 a 一 这里， 和 这 解释 方差， 和 这 计算 为了 这 解释 方差 在 这 相同的 桌子。
T 他的 列 这里 是 什么 是 去 到 使用 到 创造 我们的 酒吧 图表。 这 酒吧 图表 获取 已保存 在 这 杂志 在 这 案件。 那里 是 许多 方法 你 可以 做 这， 真的。 为了 15 变量 和 不是 这 最好的 的 清理 工作， 让我们 看 什么 等价 我们 得到 这里。 它 是 全部 在职的。
它是 只是 真的 慢的。 对不起 关于 那。 那里 我们 去。 我已经 有， 再次， 反馈 从 科学家 说 那 他们 会 更喜欢 到 看 这 变量 在 这 命令 他们 是 在 起初， 因为 最多 的 我们的 数据 是 已记录 在 模板， 所以 人们 是 用过的 到 看到 那些 变量 在 命令。
但 它是 还 好的 到 有 它 在 降序 命令 所以 那 你 能 迅速地 看 哪个 变量 是 相当 相等的 和 哪个 一 是 不是 正在做 所以 出色地。 这里 在 平均的， 我们 有 21 % 等价 穿过 全部 我们的 变量。 它是 不是 a 非常 高的 数字。 I 不 有 a 标准 为了 那 数字， 但 I 思考 大约 60 %- 75 % 会 是 相当 可取的。
患病的 关闭 一切 I 能 到 制作 一些 空间。 出色地 去 后退 到 看 什么 发生 如果 我们 消除 一 进攻 多变的。 I 没有 完毕 足够的 打扫 向上 这里， 但 我是 移除 多变的 11， 哪个 曾是 真的 不是 一个 可接受 多变的 到 有 在 我们的 数据 放。
I 将要 跑步 这 任务 和 三 件 这 时间， 所以 那 I 能 在 至少 有 a 射击 在 捕获 这 变异性 在 事物 喜欢 pH 或者 氧分压， 哪个 趋向 到 是 很多 更多的 复杂的。 出色地 跑步 这 一 和 出色地 有 a 看 在 这 酒吧 图表 和 看 如何 很多 等价 我们 能 捕获。
I 怀疑 这 是 去 到 是 慢的 再次。 这 是 去 慢慢地。 是 仅有的 在 天 二， 所以 I 需要 到 充满 向上 这 时间。 作为 I 说， 我们 不 有 a 标准 到 看 在 这 全部的 数字。 它是 更多的 的 a 相对的 数字。
任何一个 你 有 a 放 的 标准 为了 打扫 向上 你的 数据， 或者 或许 因为 你 是 跑步 批次 和 记录 他们 在 相似的 方法， 你 会 说， 我们 将要 总是 仅有的 看 在 那些 10 变量， 和 然后 你 能 比较 这 全面的 等价 或者 这 酒吧 图表 为了 给定 套 的 变量 那 是 可比。
这 其他 方式 你 可以 做 它 是 使用 这 相同的 数据 套 喜欢 I 有 今天。我 知道 我们 有 21 % 等价 为了 15 变量， 但 一次 我们 消除 变量 11 和 五， 为了 例子， 和 干净的 向上 一些 的 这 异常值， 然后 那 数字 开始 去 向上， 或者 它 可以 是 我们 有 仅有的 21 % 和 二 件， 但 如果 我们 添加 a 夫妻 因为 一些 的 这 变量 不 地图 非常 出色地 到 这 第一的 二 件， 然后 这 数字 还 是 去 向上。
它是 非常 难的 到 放 a 标准 在 那 数字， 但 它是 漂亮的 好的 为了 比较 不同的 模型 或者 不同的 数据 套 那 有 到过 治疗 合理地 相似地。 如何 是 我们 正在做 这里？ 几乎 那里。 我是 非常 对不起 关于 这。 我的 电脑 是 特别 慢的 今天。 这里 我们 去。
这里 是 任务， 和 这 时间 那里 是 三 件， 所以 他们是 对齐 经过 三。 I 思考 如果 我们 做过 这 大， 它 会 开始 粘连 出去 的 这 窗户 这里。 因为 我们 有 已删除 一 多变的 已经， 我们 可以 看 那 一些 的 这 任务 是 通过 甚至 为了 这 第一的 个人电脑。 所以 那是 确实 制成 a 非常 大的 不同之处。
I 将要 关闭 那些 和 去 后退 进入 这 目录 它 曾是 创建。 这 方式 我已经 书面 这， 如果 我是 正在做 二 数据 套 在 这 相同的 目录， 它是 去 到 得到 已擦除 因为 节省 作为 在 脚本 在 跳转 将要 节省 在 顶部 的 现存的 数据 如果 它 有 这 相同的 姓名。
这里 曾是 这 相同的 数据， 我们 只是 已删除 一 多变的 和 额外 一 个人电脑， 和 我们 得到 从 21 % 到 关于 四十七 % 在 平均的 穿过 这 多变的 等价。 那是 显示 你 什么 a 大的 不同之处 它 能 制作 从 只是 a 小的 打扫 步 或者 选择 a 轻微地 不同的 模型 和 一 更多的 个人电脑 在 这 案件。
现在 它是 我。 我已经 走了 通过 全部 这 脚本。 患病的 放 后退 我的 非常 最后的 滑动 向上 这里 到 总结。 这 是 a 新的 技术 到 看 在 等价， 这 多变量 技术。 I 没有 见过 它 用过的 某处 别的。 它是 a 补充， 不是 a 替代品。
你 应该 仍然， 尤其 如果 你是 沉重 涉及 和 这 数据， 你 应该 仍然 寻找 在 全部 这 时间 点 那 你是 感兴趣的 在。 它 给出 a 整体 图片 和 a 很多 的 细节 因为 你 有 a 很多 的 输出。 但 如果 你是 仅有的 感兴趣的 在 这 最终的 信息， 真的 那 酒吧 图表， 给出 你 a 很多 的 信息 在 只是 一 图形。
你 可以 做 这 和 任何 类型 的 组 那 你 想 到。 这 发生 到 是 秤 因为 我们 看 在 这 不同之处 之间 制造业 和 实验室 秤 a 很多 在 富士胶片。 那是 它， 真的。 它是 你的 多变量 到 一 双面 T 检验。 作为 a 部分 的 我们的 过程 流动 到 看 在 规模 向上 和 规模 向下 数据。 ID 是 快乐的 到 回答任何问题。
