こんにちは、 私は クリス ゴットウォルトと JMP、 そして 私の 共同 プレゼンター、 ジョセフ の マルティーノ から トプソウ , そして I は 与える a プレゼンテーション それ 伝える その 話 の a データ 分析 プロジェクト それ ショーケース その 新しい ウェーブレット 分析 で その 機能的 データ エクスプローラ、 1つ の その ほとんど エキサイティング 新しい 機能 で ジャンプ 17.
その 場合 勉強 始まる と a 製品 処方 問題 どこ トップス あなたは 望んでいた に デザイン a 触媒 それ 最適化する 二 回答、 しかし その 回答 は で 対立 と 1つ 別の で それ 改善中 1つ 応答 頻繁 来る で その 費用 の その 他の。
A 候補者 のために その 最適 トレード・オフ だった 見つかった と モデル フィット による その 一般化された 回帰 プラットフォーム、 そして その 最適 要素 設定 だった 見つかった 使用して その 望ましさ 機能 で その プロファイラー。 これ だった a かなり 標準 エネルギー省 分析。 しかし で 追加 に その 測定された 回答、 近赤外線 スペクトル だった 撮影 から いくつかの、 しかし ない 全て の その サンプル バッチ。 これ は 情報 それ できる なれ 使用済み に 与える a 手がかり に その 研究開発 チーム について 何 その 化学薬品 構造 の その 理想的 処方 すべき 見て のように。
で 追加 に その ジェネラル・レグ モデル の その 回答、 私たちは また 使用済み ウェーブレット モデル として その 基礎 関数 の a 機能的 エネルギー省 分析 の その スペクトル 使用して その エネルギー省 要因 として 入力。 私たちは だった それから できる に 得る a 合成 スペクトル の その 最適 処方 による 差し込む で その 最適 要素 設定 見つかった で その イニシャル 分析 の その 二 致命的 応答。
前に 行く の中へ その プレゼンテーション、 I 欲しい に ポイント 外 それ で その 始まり の その プロジェクト、 ジョセフ だった とても 新しい に ジャンプ そして しなかった 持っている a 背景 で これ タイプ の 統計的 分析。 ジョセフ 学んだ 全て 彼 必要 に する その 分析 の上 彼の 自分の 後 a カップル の ウェブ 会議 と 自分。
これ 明らかに ショー 彼は a 頭がいい 男、 しかし また それ ジャンプ 作る 学ぶ どうやって に する いくつかの とても 洗練された データ 分析 プロジェクト 素早い そして 簡単。 今 私は 行く に 手 その 見せる 以上 に ジョセフ。
感謝 あなた、 クリス。 ここ は いくつかの 背景 について 私たちの プロジェクト。 その a 触媒 発達 プロジェクト。 したがって、 私たちは は 現像 多くの 違う レシピ。 それぞれ レシピ もっている a 個性的 セット の 生産 パラメータ、 そして 一度 その サンプル は 準備した、 私たちは 特徴づける それ で 私たちの 分析 研究室 で トプソウ。 そして ついに、 私たちは する a パフォーマンス テスト。
その間 その パフォーマンス テスト、 私たちは 見て のために 二 価値観 それ ここ 私たちは 電話 応答 1 そして 応答 2. で これ 特定の 場合、 私たちは は 試して に 最小化 応答 1 ながら 最大化 応答 2. それ 意思 鉛 私たち に これ 理想的 空間 で その トップ 左 コーナー の その グラフ。 しかし として あなた できる 見る、 その 55 サンプル それ 私たちは テスト済み 得る 立ち往生 で その 真ん中 の その グラフ。 それ は なぜなら 回答1 そして 回答2 は インター 相関関係にある、 意味 それ 改善中 1つ 来る と その 経費 の その 他の。
したがって、 私たちは 動く に JMP、 そして 私たちは 試す に 見て で 私たちの 応答 データ そして 私たちの 特徴づけ データ、 試す に 見る もし 私たちは できる 動く 離れて から これ ライン で その 真ん中 の その グラフ。 私たちは 特定された 二 ターゲット 地域 それ 私たちは 欲しい に 到着、 そして 一緒に と クリス、 私たちは 考え について 使用して ジャンプ に 作成する a モデル それ だろう 接続する その 生産 パラメータ に その 応答 値。T めんどり 私たちは さらに遠く 見た の中へ 私たちの 赤外線 分光法 データ に 試す に 検証する 私たちの モデル そして に 得る いくつかの 余分な 情報 について その ターゲット サンプル。
ここ は 一つの 概要 の その データ セット。 私たちは 持っている 生産された 112 サンプル。 それぞれ サンプル もっている a 個性的 セット の 生産 パラメータ。 私たちは 持っている 分析された 全て その サンプル 使用して 赤外線 分光法。 私たちは 持っている 1つ スペクトラム のために それぞれ サンプル。
それから 私たちは 持っている 使用済み 多くの 他の 特徴づけ テクニック それ 私たちは 持っている で- 家 それ アカウント のために 21 もっと 列 の データ。 ついに、 私たちは 持っている テスト済み 半分 の その サンプル そして それ アカウント のために その 最後 二 列 それ 私たちは と呼ばれる 応答。
で その 始まり の 私たちの プロジェクト、 私たちは 実は 望んでいた に 含む その 赤外線 分光学的 データ で 私たちの 大きい データ セット、 そして それは なぜ 私たちは 望んでいた に 使用 JMP、 なぜなら 今 私たちは 持っている これ 新しい ウェーブレット モデル 可能性。 そして それ だろう 有効にする 私たち に 含む その 主要 コンポーネント 来る から その ウェーブレット モデル で 私たちの データ セット。 そして 私たちは できた 使用 それ に 作成する モデル で ジャンプ。 しかし 前に 私たちは 始める 私たちの 分析、 私たちは 必要 に 持っている a 見て で その プロ データ に 探す 外れ値。 私たちは する それ による クリック 分析する そして その 多変量 方法、 多変量。
H また 私たちは できる 選択 私たちの 生産 パラメータ そして 特徴づけ データ として Y 列、 そして 私たちは 得る これ 散布図 マトリックス。 これ は 一つの 例 の ただ 見ている で その 生産 パラメータ で 何 私たちは だろう 識別する として 一つの 外れ値。 私たちは できる 見る それ そこには は a セット の ポイント で 生産 パラメータ あまりにも それ は 遠い 離れて のために 全て その 他の ポイント。 さらに、 私たちは 持っている 背景 知識 について これら サンプル それ 私たちは 知る しないだろう なれ 最適 のために 私たちの 触媒 発達、 それで 私たちは 決めた に 右 クリック そして 言う "行、 隠れる そして 除外します。
私たちは した これ また と 他の ポイント 見ている で その 散布図 メトリクス の 全て その 特徴づけ データ。 今 それ 私たちは 持っている 掃除した 上 その データ、 私たちは できる フィット a モデル。 私たちは クリック 分析する そして フィット モデル、 そして 私たちは 選択 その 生産 パラメータ として 変数 で 私たちの モデル。 私たちは クリック マクロ そして 応答 表面 に 作成する a 2番 多項式 組み合わせ の これら 変数。 それから 私たちは 選択 私たちの 回答 として Y 価値観。
それから 私たちは 決めた に 使用 一般化された 回帰。 H また クリス できる 追加 いくつかの もっと 情報 について なぜ 私たちは 決めた に 使用 これ 特定の タイプ の モデル。
私たちは 使用済み a 二次関数 応答 表面 モデル なぜなら その デザイン 持っていた 三つ または もっと レベル のために それぞれ 要素、 それで I 知っていた それ 私たちは だろう なれ できる に フィット 曲率 条項 もし 必要 そして また なれ できる に フィット とても a バラエティ の 違う 交流 条項。 私たちは 使用 その 一般化された 回帰 プラットフォーム なぜなら それ する モデル 選択 と 非 ガウス分布 分布 のように その ログ 普通。 で 私の 意見、 そこには ない 多くの 理由 ない に 使用 その 一般化された 回帰 プラットフォーム もし あなた 持っている ジャンプ プロ なぜなら それ は それで 簡単 に 使用 その間 で 多くの 方法 いる それで 多くの もっと 強力 のために エネルギー省 分析 よりも その 他の オプション で ジャンプ そして ジャンプ プロ。
後 それ、 私たちは できる 選択 私たちの 分布。 私たちは 知る それ その 回答 は 行く に なれ 厳密に ポジティブ、 それで 私たちは 選択 その ログ 普通 分布 そして それから 私たちは クリック 走る、 そして 私たちは 言う いいえ。
で これ スライド、 私たちは できる 見る それ 私たちは 持っている 今 作成された a モデル、 しかし 私たちは 持っている また その 可能性 の 作成 他の タイプ の モデル 使用して 違う 推定 方法。 私たちは 決めた に 使用 最高 サブセット。 ここ、 クリス できる 追加 いくつかの もっと 言葉 について それ。
良い、 それで ここ 私たちは 使用 最高 サブセット 選択 なぜなら その 満杯 モデル ない ひどく 大きい、 それで なぜ ない 試す 毎 可能 サブセット の それ 満杯 モデル そして 探す その 1つ それ 提供する その 絶対 最高 トレード・オフ 間 正確さ そして モデル シンプルさ？
の上 その 他の 手、 持っていた そこには された 八 または もっと 要因、 I だろう 持っている 使用済み a もっと早く アルゴリズム のように フォワード 選択 または 剪定された フォワード 選択 なぜなら と 大きい ベース モデル、 それ だろう 取る a とても 長さ 時間 に フィット 毎 可能 サブモデル に その データ。 だった 行く に なれ 使用して その AICc モデル 選択 基準 に 比較する ジェネラル・レグ モデル。
その AICc 許可する あなた に 比較する モデル と 違う 効果 で 彼ら として 良い として 違う 応答 配布物。 と その AICc、 小さい 価値観 は より良い そして その ルール の 親指 I 使用 は それ もし a モデル もっている 一つの AICc 価値 それ は 内で 4 の その 最小 AICc 価値 見た、 それから それらの 二 モデル は 実質的に 同一 で 品質 の フィット。
もし その 二 モデル 持っている AICc 価値観 内で 10 の それぞれ 他の、 それから 彼らは は 統計的に 似ている に 1つ 別の。 その 主要 ポイント ここ いる それ もし 私たちは 持っている 二 モデル そして 彼らの AICcの 異なる による もっと よりも 10, それから その データ は かわいい 強く 示唆する それ その 1つ と その 小さい AICc は その より良い モデル に なれ 働く と。
として と どれでも 個人 統計、 あなた すべき ビュー その A ICc として a 提案。 もし あなたの 主題 案件 経験 強く 示唆する 1つ モデル 以上 その 他の、 あなた 5月 欲しい に 信頼 あなたの 本能 そして 無視する その おすすめ の その A ICc.
一度 私たちは 持っている 作成された これ 新しい モデル、 私たちは できる 見る それ その 非 ゼロ パラメータ 持っている 今 落とされた から 16 に 九。 もし 私たちは 欲しい に 比較する、 もし その モデル もっている 改善された、 私たちは できる 見て で その A ICc 価値観。 私たちは できる 見る それ そこには は 一つの 改善 の もっと よりも 10, どれの は 一つの 重要 違い。 したがって、 私たちは 決めた に 行く と その 最高 サブセット。
私たちは した その 同じ のために 回答2、 そして それから 私たちは 移動した の上。 今 私たちは できる クリック の上 その 赤 矢印 そして 言う プロファイラー。 で その プロファイラー、 私たちは できる 遊ぶ その周り と その 生産 パラメータ そして 見る どうやって その モデル は 期待して 回答1 そして 回答2 に 変化。 これ は すでに a 素晴らしい 道具 のために その 科学者 に 理解する どうやって その モデル は 期待して その 回答 に 変化する、 しかし 私たちは できる する もっと。 私たちは できる クリック の上 最適化 そして 望ましさ そして 望ましさ 機能。
以来 から スライド 1つ、 私たちは 知る それ 私たちは 持っている 二 ターゲット それ 私たちは 欲しい に 到着、 私たちは できる 変化 その 望ましさ 関数 に マッチ それらの ターゲット。 それで 私たちは ダブル クリック の上 その 望ましさ 機能と 私たちは 言う マッチ ターゲット そして 選択 その ターゲット エリア それ 私たちは 欲しい に 到着。 ついに、 私たちは できる クリック また の上 最適化 そして 望ましさ そして 言う 最大化する 望ましさ。
ここ、 その プロファイラー 意思 試す に 到着 その 最適 ポイント のために その 生産 パラメータ。 に 要約すると、 私たちは できる 言う それ 今 私たちは 持っている その 初め モデル、 私たちは 行く から 生産 パラメータ に 回答 そして 私たちは 持っている セット 二 ターゲット それ 私たちは 欲しい に 到着。 これ 方法 私たちは できる 得る 理想的 生産 パラメータ それ 私たちは できる 通信する に その 発達 チーム そして 彼らは できる 使用 に 動く の上 で 彼らの 研究。
で その 2番 一部 の その プレゼンテーション、 私は 行く に 話す について どうやって 私たちは 使用 その そして スペクトル。 ここ 私たちは 持っている a ファイル のために それぞれ スペクトラム そして したがって 私たちは 必要 に クリック の上 ファイル そして 輸入 複数 ファイル。 それから 私たちは 必要 に 特定 それ 私たちは 欲しい その ファイル 名前 に なれ 柱状の で その データ セット そして それから 私たちは できる 使用 これ サンプル 名前、 どれの は その 名前 の その ファイル として 一つの ID に 接続する それ に その 他の テーブル どこ 私たちは 持っている 全て その データ。 私たちは クリック の上 その カラム そして 言う リンク 参照。
今 それ その 二 テーブル は 接続された、 私たちは できる クリック 分析する そして 専門とする モデリング 機能的 データ エクスプローラ。 で その 機能的 データ エクスプローラ、 私たちは 欲しい に 使用 その 強度 価値 として その Y 出力。 私たちは できる 使用 その サンプル 名前、 マトリックス 名前 として 私たちの ID 関数。
それから これ は とても 重要。 私たちは 使用 その 生産 パラメータ として 補足 データ。 そして その 重さ 番号 は、 の コース、 その X- 軸。 そして 私たちは 言う、 "わかった、 ここ 私たちは できる 見る それ その データ は すでに クリーン。" 私たちは 輸入 全て その スペクトラ そして その データ 見た目 クリーン なぜなら 私は 終わり その 前処理 外 の ジャンプ。 I 使用済み パイソン なぜなら 私は もっと おなじみ と それ そして そこには は a とても ニース モジュール それ は できる に 取り除く その 背景 そして 減らす その 範囲 それ 私たちは 欲しい に 見て で。
ジャンプ だった 良い に 仕事 と として 一つの 余分な 道具 後 これ 再処理。 それから 私たちは 決める に クリック の上 モデル そして ウェーブレット。 私たちは 動く から 離散 データ に 連続 データ。 今 私たちは できる また 見て で その 診断 プロット。 これ は のために あなた、 クリス、 に 話す について。
その a 良い アイデア に 見て で 実際の による 予測された プロット として あなた 進む を通して a 機能的 データ 分析。 これら 持っている その 実際の 観察された 価値観 で その データ の上 その Y 軸 そして その 予測された 価値観 の上 その X 軸。 私たちは 欲しい その 予測された 価値観 に なれ として 近い に その 実際の 価値観 として 可能。 A プロット のように これ 1つ それ は きつい 平行 その 45 程度 ライン 示す それ 私たちは 持っている a 良い モデル。
今、 いくつかの の あなた 5月 なれ 心配している について 過剰適合 以来 その 予測 フィット その データ それで 良い。 で 私の 経験、 I まだ 見つかった それ に なれ a 問題 で その 基礎 関数 フィッティング そして 機能的 主要 成分 手順 の 機能的 エネルギー省 分析。 私は また のように に ポイント 外 それ で ジャンプ 17, 私たちは 追加した a 多く の 新しい 特徴 のために スペクトル 前処理 のように 標準 普通 変異体、 乗法 散らばる 修正、 そして サビツキー・ゴレイフィルタ . それらの の あなた それ しない 知る パイソン 持っている アクセス に これら 機能 で ジャンプ プロ 17.
後 それ、 私たちは できる また 持っている a 見て で その 機能的 PCA 分析。 ここ、 良い 過ごす いくつかの もっと 言葉 の上 それ。
後 その ウェーブレット モデル は フィット、 ジャンプ プロ 自動的に する a 機能的 主要 コンポーネント 分析 の その ウェーブレット モデル。 これ 分解する その スペクトル の中へ 一つの 全体 平均 スペクトルと a リニア 組み合わせ の 形 コンポーネント そして 係数 それ は 個性的 に それぞれ サンプル スペクトル。 いつ 私たちは する その 機能的 エネルギー省 分析、 ジェネラル・レグ 自動的に フィット モデル に これら 係数 後ろに その シーン そして 組み合わせる その 結果として モデル と その 平均 関数 そして その 形 コンポーネント に 予測する その 形 の その スペクトル で 新しい 価値観 の その 入力 パラメータ。
もし 私たちは 見て で その 主要 成分 分析、 私たちは できる 見る それ その ウェーブレット モデル もっている 作成された a 平均 関数 の 全て その スペクトル それ 私たちは セット として 入力、 そして それから それ もっている 作成された 違う 形 機能。 私たちは 決めた に 停止 で 六。 何 これ 形 関数 説明された は その 変化 の その データ それ 私たちは は 分析しています。
として あなた できる 見る から その 左、 その 初め 形 関数 は 会計 のために 72 % の その 変化、 その間 その 2番 は 会計 のために 22 %. 一緒に、 その アカウント と呼ばれる 六 アカウント のために 99.5 % の その 変化。 として 一つの 例、 私たちは できる 見て で 主要 成分 2、 そして 私たちは できる 見る それ その周り 3,737, そこには は a 削減。 そこには は a マイナス。 それ 手段 それ 増加 その 主要 成分 2は 減少 その ピーク で 3,737。
これ は ただ 一つの 例 に 言う それ すでに から これら 六 形 機能、 私たちは できる 得る a 多く の 情報。 もし 私たちは 持っている 主題 案件 知識、 について その 赤外線 分光法 そして これ 触媒 システム。 すでに ここ、 私たちは 過ごした とても a 多く の 時間 見ている で その 主要 コンポーネント、 しかし これ は ない 何 私たちは は 行く に 集中 の上 で その 次 スライド。
何 私たちは 欲しい に 見て で その代わり は その 機能的 エネルギー省 分析。 ここ 私たちは 持っている として 良い a プロファイラー、 しかし 私たちは できる 今 プラグ その 生産 パラメータ それ 私たちは 得た から その 初め モデル それ 私たちは 発展した。 したがって、 知っている その ターゲット 生産 パラメータ それ 私たちは 欲しい に 使用、 私たちは できる 生成する a 偽物 スペクトラム または 合成 スペクトラム、 私たちは できる 電話 それ。 これ は a スペクトラム の a サンプル それ だった 一度もない 生産されました。 それ できた なれ 間違っている、 しかし それ できる 与える いくつかの アイデア に その 科学者たち について 何 あなた だろう 期待する に 得る から これら 新しい 生産 パラメータ。
に 和 上、 私たちは できる 言う それ 今 私たちは 動く から 生産 パラメータ に 赤外線 スペクトラム。 私たちは 持っている a 2番 モデル それ 用途 その ウェーブレット モデル に 生成する 合成 スペクトラム。 I 想像する これ に なれ のように いつ あなたは ベーキング a ケーキ、 今 あなた 持っている その レシピ しかし あなた 得た また a スナップショット 写真 の その ファイナル ケーキ。 それ しない 説明する あなた どうやって に する それ しかし それ 追加 情報 について 何 あなた 欲しい に 成し遂げる。
ついに、 私たちは できる 動く から モデル に テスト。 それ 手段 それ 私たちは できる 与える その 研究開発 チーム a 新しい レシピ そして また その 合成 スペクトラム の そのレシピ。 一緒に と これ 情報、 彼らは できる 試す に 開発する その 新しい 触媒 そして 見る もし その モデル は 検証済み または は 間違っている。
別の もの その グループ できる する は 見て 戻る で その 前の サンプル。 今 私たちは 持っている 半分 の その サンプル それ だった ない テスト済み。 それらの は その 黒 ドット で その スライド。 私たちは できる 見て のために 外れ値。 は そこには a サンプル それ できた 実行する 本当に 良い それ 私たちは まだ 見た で？ 私たちは 実は 持っている 1つ。 それで それは 別の テスト 私たちは できる する。
見ている で 未来 仕事、 I 追加した これ スライド それ だった で その 始まり ただ に 言う それ 私たちは 集中した の上 その 生産 パラメータ そして その そして スペクトル、 しかし 私たちは まだ 本当に 見た で これら 21 もっと 列 の 特徴づけ データ。
で その 未来、 私たちは できた 過ごす いくつかの 時間 試して に 識別する その ほとんど 予測的な パラメータ で これら 21 列 そして 作成する 多分 a 新しい モデル から これ 特徴づけ データ に その 応答 そして 使用 これ モデル として a スクリーニング モデル に 避ける テスト サンプル それ だろう ない 実行する として 良い。 それは その 終わり の その プレゼンテーション。
