你好， 每个人。 谢谢 为了 未来 到 我们的 视频。 我的 姓名 是 瑞安 帕克， 和 今天 我是 去 到 展示 和 黏土 巴克 关于 一些 新的 工具 那 我们 有 额外 到 分析 光谱 数据 和 这 功能 数据 探险家 在 跳转 专业版 17. 第一的， I 只是 通缉 到 开始 离开 和 一些 的 这 激励 数据 套 那 引领 我们 到 添加 这些 新的 工具。 他们是 真的 有动力 经过 这些 化学计量学 应用程序， 能 确实 是 应用 到 其他 区域， 但 为了 例子， 我们 有 这 光谱学 数据 在哪里 这 第一的 事物 你 可能 注意 和 这 是 我们已经 得到 a 很多 的 数据 点 采样， 但 我们 还 有 一些 非常 锋利的 峰 在 我们的 数据。 那是 去 到 是 a 再次发生的 主题 在哪里 我们 有 a 需要 到 真的 确认 这些 锋利的 特征 那 这 现存的 工具 我们 有 在 跳转 是 a 小的 难的 到 真的 捕获 那些。 为了 例子， 是 思维 关于 作品 的 材料 或者 如何 我们 能 探测 生物标志物 和 数据。 这些 是 三 光谱 示例 那 出色地 看 在。
其他 例子 的 数据 那 是 的 兴趣 是 这 大量的 光谱法 数据。 这里 是 思维 关于 a 大量的 到 收费 比率 那 我们 能 使用 到 构造 a 光谱 在哪里 这 峰 在 这 光谱， 他们是 代表 蛋白质 那 是 的 兴趣 在 这 区域 的 应用。 一 例子 是 比较 这些 光谱 之间 不同的 患者， 说 a 病人 和 癌症 或者 a 病人 没有， 和 这 地点 的 这些 蛋白质 是 非常 重要的 到 确认 差异 在 这些 二 组。
其他 例子 是 色谱法 数据。 这里 我们 能 思考 关于 是 使用 一些 化学 混合物 超过， 是 使用 a 材料 那是 去 到 帮助 我们 量化 相对的 金额 的 这 各种各样的 成分 那 是 在 这些 混合物。 经过 使用 这 保留 时间 在 这 过程， 我们 能 尝试 到 确认 这 不同的 成分。 为了 例子， 如果 你 没有 知道 这， I 曾是 不是 意识到的 直到 I 开始 到 工作 和 这 数据， 尝试 到 模仿 橄榄 油 是 a 大的 交易。 我们 能 使用 这些 数据 套 到 数字 出去， 好的， 什么是 a 真的 橄榄 油， 或者 什么是 只是 一些 其他 蔬菜 油 那 某人 可能 是 尝试 到 经过 离开 作为 一个 橄榄 油？
这 第一的 事物 I 想 到 做 是 去 通过 一些 的 这 新的 预处理 选项 那 我们已经 额外 到 帮助 工作 和 光谱 数据 前 我们 得到 到 这 造型 阶段。 我们 有 a 新的 工具 称为 这 标准 普通的 种类， a 乘法 分散 更正 在哪里 你 有 如果 你 有 光 分散 在 你的 数据， 这 Savitzky–Golay 滤波器， 哪个 是 这 平滑 步 什么时候 你 有 光谱 数据 那 出色地 得到 进入。 最后， a 新的 工具 到 履行 a 基线 更正 为了 这 数据 到 消除 趋势 那 你是 不是 真的 感兴趣的 在 那 你 想 到 得到 出去 第一的。
好的， 所以 什么是 标准 普通的 变体？ 现在 在 跳转， 我们 有 这 能力 到 只是 标准化 你的 数据 在 FDE。 但 什么时候 你 使用 那 工具， 它是 只是 服用 这 意思是 的 全部 的 这 函数 和 a 全球的 方差 和 缩放 它 那 方式， 但 和 标准 普通的 变体， 是 思维 关于 这 个人 方法 和 差异 的 每个 的 这 函数 到 标准化 和 消除 那些 效果 前 我们 去 到 分析。 每当 我是 在 这 正确的 这里， 后 表演 这 标准 普通的 变体， 我们 能 看， 好的， 那里 曾是 一些 全面的 方法 和 现在 他们是 全部 一起 和 任何 过量的 方差 是 采取 出去 前 我们 去 到 分析。
乘 的 分散 更正 是 这 下一个 步， 和 它是 一个 选择 到 标准 普通的 变体。 在 一些 案例 你是 思维 你是 去 到... 每当 你 使用 它， 你 可能 结尾 向上 和 相似的 结果。 这 不同之处 这里 是 这 动机 为了 使用 乘 的 分散 更正。 那是 什么时候 你 有 光 分散， 或者 你 思考 你 可能 有 光 分散 因为 的 这 方式 那 你 集 这 数据。
什么 发生 是 为了 每一个 功能， 是 去 到 合身 这 简单的 线性 模型 在哪里 我们已经 得到 a 坡 和 一个 截距， 和 是 去 到 使用 那些 估计的 系数 到 现在 标准化 我们的 数据 那 是 去 到 工作 和。 我们 减去 离开 这 截距 和 划分 经过 这 坡， 和 现在 我们 有 这 标准化 版本。 A 获得， 你 能 结尾 向上 和 相似的 结果 作为 标准 普通的 方差。
现在 这 下一个 预处理 步 我是 去 到 覆盖 是 这 Savitzky–Golay滤波器。 什么时候 你 有 光谱 数据， 前 我们 得到 到 这 造型 阶段， 这 新的 造型 工具 我们 有， 他们是 发达 在 这样的 a 方式 那 他们是 尝试 到 挑选 向上 全部 这 重要的 件 的 这 数据。 如果 你 有 噪音， 我们 需要 到 做 a 步 在哪里 我们 光滑的 那 第一的。 那是 在哪里 这 Savitzky–Golay滤波器 来 在。 什么 是 正在做 是 是 去 到 合身 一个 结尾- 程度 多元性 超过 a 指定的 带宽 那 我们 能 选择 到 帮助 尝试 到 消除 任何 噪音 从 这 数据。 在 FDE， 现在， 是 去 到 去 前方 和 选择 那些 最好的 参数 为了 你， 这 程度 和 这 宽度 到 尝试 到 最小化 这 模型 错误 那 我们 得到。
一 事物 I 做 想 到 观点 出去 是 那 我们 做 要求 a 常规的 网格 到 给我们 这 手术， 哪个 将要 来 向上 再次 在 这 未来， 但 频域扩展 是 去 到 创造 一 为了 你。 我们 还 有 这 减少 网格 选项 可用的 如果 你 想 更精细 控制 第一的 前 你 依靠 在 我们 制作 那 选择 为了 你。 这 好的 事物 关于 这 Savitzky–Golay滤波器 是 因为 的 这 方式 这 模型 是 合身， 我们 现在 有 使用权 到 衍生品。 这 是 某物 那 有 来 向上 事先的 到 光谱 数据， 和 现在 那 我们 有 这， 我们已经 得到 a 好的 方式 为了 你 到 使用权 和 工作 和 造型 这些 衍生物 功能。
这 最后的 一 I 想 到 覆盖 是 这 基线 更正。 什么 基线 更正 是 正在做 是 它是 思维 关于 那里 可能 是 全面的 趋势 在 我们的 数据 那 我们 想 到 得到 摆脱 的。 这 数据 放 在 这 正确的 有 只是 a 非常 小的 差异 喜欢 线性 不同之处 在 这 功能。 什么 是 思维 关于 是， 好的， 我们 不 真的 想 到 关心 关于 那， 我们 想 到 得到 摆脱 的 它。 什么 这 工具 是 去 到 允许 你 到 做 是 选择 这 基线 模型 那 你 想要。我 n 这 案件， 它是 只是 a 真的 简单的 线性 模型， 但 你 可能 有 一些 在哪里 你已经 得到 指数 或者 对数 趋势 那 你 想 到 得到 摆脱 的。 和 所以 我们 有 那 可用的。 然后 你 能 选择 你的 更正 地区。
为了 这 最多 部分， 你是 去 到 想 到 正确的 这 全部的 功能， 但 它 可能 是 可能的 那 或许 仅有的 这 开始 或者 这 结尾 的 这 功能 是 在哪里 你 想 到 正确的。 我们 结尾 向上 和 这些 基线 区域 那 是 这些 蓝色的 線。 如果 我们 点击 这 添加 按钮， 它会 给 我们 a 一对 的 蓝色的 線。 是 去 到 拖 这些 大约 到 部分 的 这 功能 那 我们 相信 是 真实的。 全部 这 峰 在 这些 数据 是 某物 那 我们 不 真的 想 到 触碰。 这 是 这 部分 的 这 函数 那 我们 想 到 保持 和 分析 和 是 去 到 给 这 信息 那 是 感兴趣的 在。 还 如果 你 选择 这 之内 地区， 任何事物 那是 之内 这些 区域 是 什么 将要 得到 已更正。 你是 任何一个 去 到 做 一 或者 这 其他， 正确的？ 你是 去 到 任何一个 离开 它 独自的 或者 你是 去 到 改变 仅有的 之内 那 在 那些 数据 套。
最后， 你 不 看 它 这里， 但 你 能 还 添加 锚 點。 它 可能 是， 取决于 在 你的 数据， 简单的 到 只是 指定 a 很少 点 那 你 知道 这 描述 这 全面的 趋势。 什么时候 你 点击 添加， 你会 得到 a 红色的 线， 和 那是 去 到 告诉 你 这， 无论 I 拖 那 线， 它是 确实 去 到 是 包括 在 这 模型 前 I 正确的 这 基线。 什么时候 你 点击 好的 这里， 你会 只是 结尾 向上 和 a 新的 数据 放 那 有 这 趋势 已删除。
好的， 所以 那 带来 我们 到 这 造型 阶段。 什么 我们已经 额外 为了 跳转 专业版 17 是 小波 模型。 好的， 所以 什么 是 小波 模型？ 他们 是 基础 功能 模型， 不是 喜欢 任何事物 我们 有 现在 在 跳转， 但 他们 能 有 非常 戏剧性 特征。 什么 这些 特征 是 正在做 是 帮助 我们 挑选 向上 这些 锋利的 峰 或者 这些 大的 变化 在 这 功能。 我们 还 有 这 简单的 她 小波， 哪个 是 只是 a 步 功能。 如果 它 转弯 出去 那 某物 真的 简单的 是 喜欢 这 步 功能 适合 最好的， 我们 将要 给 你 那 作为 出色地。 你 能 看 我们 有 a 很少 不同的 选项 那 是 真的... 如果 你 思考 关于 弯曲 这些 小波 和 拉伸 他们 出去， 那是 如何 我们 是 造型 这 数据 到 真的 挑选 向上 全部 这些 特征 的 兴趣。
到 只是 激励 那， I 想 到 展示 你 这 当前的 去- 到 在 跳转， 哪个 是 a B- 样条线 模型， 哪个 有 a 非常 难的 时间 采摘 向上 在 这些 特征 没有 任何 手- 调音。 B- 样条线 模型 是 正在做 a 小的 少量 更好的。 它 仍然 有 一些 问题 采摘 向上 这 山峰， 但 它 可能 在 一些 方法 是 这 最好的。 直接的 功能 主成分分析， 正在做 几乎 作为 好的 作为 P-sp 线条， 但 不是 相当。 然后 我们 有 小波。 是 真的 采摘 向上 这 峰 这 最好的。 在 这 特别的 数据 放， 它是 不是 配件 他们 完美， 但 我们 会 思考 寻找 在 诊断， 这 小波 模型 是 确实 这 一 我们 会 想 到 去 和。
再次， 我们 有 这些 五 不同的 小波 模型 类型， 和 什么 是 去 到 做 是 出色地 合身 全部 这些 为了 你 所以 那 你 不 有 到 担心 关于 采摘 和 选择。 外部 的 这 她的小波， 全部 的 这 其他 小波 类型 有 a 范围。 我们 有 a 网格 那 我们 是 去 到 搜索 超过 为了 你 在 添加 到 这 类型。
现在 它 可能 是 可能的 那 那里 是 一些 案例 在哪里 用户 有 说， 嘿， 这 特别的 小波 类型 是 确切地 如何 我的 数据 应该 是 代表， 所以 你 能 改变 这 默认 模型， 但 经过 默认， 是 去 到 挑选 这 模型 那是 去 到 优化 这 模型 选择 标准， 这 人工智能服务公司。 真的 什么 你 能 思考 关于 这里 是 那里 可以 是 潜在 a 很多 的 参数 在 每一个 一 的 这些 小波 模型。 是 有效地 使用 a 套索 模型 到 尝试 到 消除 出去 任何 参数 那 真的 只是 不是 配件 这 数据。 我们 得到 a 疏 表示， 不 事情 这 小波 模型。 我们 锯 这 早些时候 在哪里 我们 有 到 有 我们的 数据 在 这 网格。 它是 这 相同的 事物 和 小波。 如果 你 只是 开始 去 通过 这 小波 模型 和 你的 数据 是 不是 在 这 网格， 出色地 创造 一 为了 你。 但 再次， 只是 通缉 到 观点 出去 你 能 使用 那 减少 网格 选项 到 有 更精细 控制。
好的， 所以 某物 别的 那 我们 展示 那 能 帮助 给 你 一些 洞察力 进入 如何 这些 模型 工作 是 这 系数 阴谋。 什么 它是 告诉 我们 是 这 X 轴 是 这 普通的 X 的 这 输入 空间 的 你的 功能， 但 这 Y 轴 是 这 解决。 这些 顶部 决议 这里， 你是 思维 关于 全面的 方法。 作为 我们 得到 进入 这些 高的 决议， 这些 是 这 事物 那 是 正在发生 真的 关闭 一起。 A 红色的 线 方法 它是 a 消极的 系数。 蓝色的 方法 它是 积极的。 他们是 缩放 所以 那 他们是 全部 可解释的 反对 每个 其他。 这 最大的 线 给 你 这 主意 在哪里 这 最大的 系数 是。 我们 能 看 那 这 更高 频率 项目 是 真的 这里 在 这 结尾 的 这 功能。 我们 有 一些 全面的 趋势， 但 只是 某物 到 思考 关于 那 这些 小波 模型 是 寻找 在 不同的 决议 的 你的 数据。
某物 别的 那 我们已经 额外 前 我们 得到 到 我们的 演示 和 黏土 是 小波 美国能源部。 在 FDE， 我们 有 a 功能 美国能源部 那 是 在职的 和 功能 主要的 成分。 如果 你 不 知道 那些 是， 那是 好的。 全部 你 需要 到 知道 是 那 和 小波， 我们 有 系数 为了 全部 的 这些 小波 功能。 在 这 美国能源部 分析， 是 思维 关于 造型 这 系数 直接地。 这 解决 告诉 你 一个 主意 的 如果 它是 a 高的- 频率 物品 或者 低的- 频率 物品。 然后 这 数字 在 这 括号 是 告诉 你 这 地点。 你 能 思考， 好的， 这些 项目 这里 是 在 这 三分球， 和 那是 在哪里 一些 的 那 最高 特征 是 那 我们 锯 在 那 系数 阴谋。 那些 有 什么 是 呼叫 这 最高 活力。
活力 在 这 案件 是 只是... 如果 我们 分数 全部 这 系数， 我们 添加 他们 向上， 你 能 思考 的 那 存在 作为 这 全部的 活力。 所以 这 活力 数字 这里 是 a 相对的 活力 和 给予 你 一个 主意 的 如何 很多 活力 它 是 解释 在 这 数据。 这 好的 事物 真的 关于 使用 这 系数 方法 是 这些 有 直接的 解释 正确的 到 这 地点 和 到 这 解决。 一个 选择 那 你 能 尝试 和 比较 反对 功能 主成分分析 或者 功能 美国能源部 如果 你 有 这 可解释性 的 这 系数。 现在 I 思考 患病的 手 它 超过 到 黏土。 他是 得到 a 演示 为了 你 到 看 如何 你 使用 这些 模型 在 跳转 赞成。
谢谢， 瑞安。 让我们 拿 a 看 在 一个 例子 那 我们 成立。 瑞安 提及 简要地 这 橄榄 油 数据 放 那 我们 成立。 它是 a 样本 的 120 不同的 油。 最多 的 他们 是 橄榄 油， 一些 的 他们 是 混合物 或者 蔬菜 油。 什么 我们 通缉 到 看 是， 能 我们 使用 这 高的- 表现 液体 色谱法 数据？ 能 我们 使用 那 信息 到 分类 这 油？ 能 我们 看 在 这 光谱 说 这 是 一个 橄榄 油 或者 这 是 不是 一个 橄榄 油？
这些 数据 来了 出去 的 a 学习 从 a 大学 在 西班牙， 和 瑞安 和 I 学到了 a 很多 关于 橄榄 油 在 这 过程。 为了 例子， 橄榄 油 是 实际上 a 水果 汁， 哪个 I 做过 不是 知道。 让我们 拿 a 看 在 我们的 数据。 每个 排 在 我们的 数据 放 是 a 不同的 橄榄 油 或者 其他 油， 和 这 行 代表 这 光谱。 出色地 使用 这 功能 数据 探索者， 和 它会 拿 只是 a 第二 到 合身 这 小波 模型。 Y 你会 看 这里， 我们 合身 我们的 不同的 小波。 作为 瑞安 提及 早些时候， 我们 尝试 a 少数 的 不同的 小波 和 我们 给 你 这 最好的 一。
在 这 案件， 这 西姆莱特 20 曾是 这 最好的 小波 在 条款 的 如何 出色地 它 适合 我们的 数据。 我们 能 看 这里 在哪里 我们已经 覆盖 这些 已安装 小波 和 这 数据 那 这 小波 模型 适合 真的 出色地。 L 和的 说 你 有 a 首选 小波 功能 那 你 通缉 到 使用 反而， 你 能 总是 点击 大约 在 这 报告 和 它会 更新 哪个 小波 是 使用。 如果 我们 通缉 这 西姆莱特 10 反而， 全部 你 有 到 做 是 点击 在 这 排 在 这 桌子， 和 出色地 转变 到 这 西姆莱特 10 反而。 让我们 去 后退 到 这 20 和 出色地 拿 a 看 在 我们的 系数。
在 这 小波 报告， 我们 有 这 桌子 的 小波 系数。 作为 瑞安 曾是 说 早些时候， 这些 给 我们 信息 关于 在哪里 这 峰 是 在 这 数据。 这 更远 小波， 我们 思考 关于 那 喜欢 一个 截距， 所以 那是 喜欢 一个 全面的 意思是。 然后 每一个 一 的 这些 小波 系数 和 a 解决 是... 它 线 向上 和 a 不同的 部分 的 这 功能。 这 解决 一 是 这 最低 频率 解决， 和 它 去 全部 这 方式 向上 到 解决 12. 这些 是 很多 更高 频率 决议。
作为 你 能 看， 我们已经 归零 a 很多 的 这些 出去。 在 事实， 这 所有的 堵塞 的 小波 系数 是 归零 出去。 那 只是 去 到 展示 那 是 平滑。 如果 我们 用过的 全部 的 这些 决议， 它 会 重新创建 这 功能 完美， 但 我们 零 他们 出去 和 那 给出 我们 a 很多 更平滑 功能。 我们 合身 这 小波 模型 到 我们的 光谱 和 我们 思考 我们 有 a 好的 模型。 让我们 拿 这些 系数 和 是 去 到 使用 这些 到 预测 无论 或者 不是 一个 油 是 橄榄 油。 我已经 得到 那 在 a 不同的 数据 放。
现在 我已经 进口 全部 的 那些 小波 系数 进入 a 新的 数据 放 和 我已经 合并 它 和 什么 类型 的 油 它 是。 它是 任何一个 橄榄 油 或者 它是 其他， 和 我们已经 得到 全部 的 这些 小波 系数 那 是 去 到 使用 到 预测 那。 这 方式 我们 做 那 是 使用 这 广义的 回归 平台。 是 去 到 模型 这 类型 使用 全部 的 我们的 不同的 小波 系数。 自从 它是 a 二进制 回复， 我们 选择 这 二项式 分配， 和 是 感兴趣的 在 造型 这 可能性 那 一个 油 是 橄榄 油。 因为 我们 不 想 到 使用 全部 的 那些 小波 系数， 是 去 到 使用 这 套索 到 做 多变的 选择。
现在 我们已经 用过的 这 套索 和 我们已经 得到 a 模型 和 只是 14 参数。 的 全部 的 那些 小波 系数 那 我们 经过考虑的 为了 我们的 模型， 我们 仅有的 真的 需要 14 的 他们。 我们 能 拿 a 看， 我们已经 归零 出去 a 很多 的 那些 小波 系数。 让我们 拿 a 看 在 这 困惑 矩阵。 使用 我们的 模型， 我们 实际上 完美 预测 无论 或者 不是 一 的 这些 油 是 一个 橄榄 油 或者 它是 某物 别的。 那是 漂亮的 好的。 我们 拿了 我们的 小波 系数 和 我们 已选择 这 十三 最多 重要的 因为 一 的 那些 14 参数 是 这 截距。 我们 仅有的 需要 十三 的 那些 小波 系数 到 预测 哪个 油 我们 有。
在 事实， 我们 能 拿 a 看 在 在哪里 那些 小波 系数 落下 在 我们的 功能。 什么 我们 有 这里 是 我们 有 这 平均的 橄榄 油 光谱蛋白 蓝色的 和 这 其他 油 在 红色的， 和 每个 的 那些 虚线 线 线 向上 和 这 系数 那 我们 用过的。 一些 的 这些 真的 制作 a 很多 的 感觉。 为了 例子， 这是 一 的 这 小波 系数 那 是 重要的， 和 你 能 看 那 有 a 大的 不同之处 在 这 橄榄 油 痕迹 和 这 其他 油。
同样地， 超过 这里， 我们 能 看 那 有 a 大的 不同之处 之间 这 二 那里。 你 能 看 通过 和 看 那 a 很多 的 这些 地点 真的 做 制作 感觉。 它 使 感觉 那 我们 能 使用 那 部分 的 这 曲线 到 辨析 之间 这 不同的 类型 的 油。 我们 只是 想法 那 曾是 a 真的 凉爽的 例子 的 使用 小波 到 预测 某物 别的。 不是 那 橄榄 油 不是 乐趣， 但 瑞安 和 I 两个都 有 年轻的 孩子们 和 是 两个都 大的 粉丝 的 这 世界。
我们 还 成立 a 新的 世界 数据 放 在哪里 某人 有 已记录 等待 次 为了 一 的 这 受欢迎的 游乐设施 在 迪士尼 世界。 它是 称为 这 七 矮人 头脑 火车 . 它是 a 滚筒 过山车 在 迪士尼 世界。 某人 有 已记录 等待 次 自始至终 这 天 为了 一些 年 值得 的 数据。 I 还 提及 这些 是 a 子集 的 这 数据。 一 的 这 问题 是 这 公园 是 打开 为了 不同的 金额 的 时间 每个 天， 和 一些 的 这 观察 是 丢失的。 我们 子集 它 向下 和 得到 它 到 a 更多的 可管理 数据 放。 I 会 说 那 这 例子 是 受到启发 经过 真实的 数据， 但 它是 不是 确切地 真实的 数据 一次 我们 按摩 它 a 小的 少量。
如果 我们 图形 我们的 数据， 我们 能 看... 这 水平的 轴 这里 是 这 时间 的 天， 和 这 垂直的 轴 是 这 等待 时间。 在 这 中间 的 这 天， 这 等待 时间 为了 这 骑 倾向 到 是 这 最高。 我们 能 看 大约 在 不同的 天 的 这 星期。 星期日， 周一 是 a 小的 少量 更多的 忙碌的。 周二 是 a 小的 较少的 忙碌的， 周六 是 这 最多 忙碌的。 我们 能 做 这 相同的 事物 寻找 在 这 年。 这 是 2015年， 2016年， 2017年。 它 看起来 喜欢 每一个 年 它是 得到 更长 和 更长 等待 次 直到 某物 发生 在 2021年。 I 思考 我们 全部 知道 为什么 等待 次 在 一个 娱乐 公园 会 是 较少的 在 2021年。 我们 得到 一个 主意 那 你 能 使用 这 信息， 喜欢 天 的 这 星期， 年 和 月， 到 预测 什么 那 等待 时间 曲线 将要 看 喜欢。 让我们 看 如何 我们 做 那 在 FDE。
患病的 只是 跑步 我的 脚本 这里。 什么 我们已经 完毕 是 出色地 来 到 这 菜单 和 问 到 合身 我们的 小波 模型。 它 需要 只是 a 第二， 但 真的 不是 那 长的 到 合身 一些 年 值得 的 数据。 这 时间 是 不是 使用 这 西姆莱特 了。 是 使用 这 多贝希 小波 功能。 什么 瑞安 提及 早些时候 曾是 这 小波 美国能源部 特征。 现在， 什么 I 没有 展示 曾是 那 我们已经 还 已加载 时间 的 这 天 的 这 星期 和 这 年 和 这 月 在 这 FDE。 是 去 到 使用 那些 变量 到 预测 这 小波 系数。 让我们 去 到 这 红色的 三角形 菜单 和 出色地 问 为了 小波 美国能源部。
现在， 什么 是 正在发生 在后面 这 场景 是 是 使用 天 的 这 星期， 月， 和 年 到 预测 那些 小波 系数， 和 然后 我们 放 它 全部 后退 一起 所以 那 我们 能 看 如何 这 预测 等待 时间 变化 作为 a 功能 的 那些 补充 变量。 现在， 的 课程， 我们 总结 它 在 a 好的 分析器。 我们 能 真的 迅速地 看 这 效果 的 月。 如果 是 只是 去 经过 这 平均的 等待 时间 的 这 特别的 骑， 我们 能 看 那 九月 倾向 到 有 这 最低 等待 时间。 我们 能 真的 迅速地 看 这 冠状病毒 影响。 这 等待 次 是 这里 在 2019年， 和 然后 什么时候 我们 去了 向前 到 2020年， 他们 真的 掉落。 你 能 看 大约 到 看 哪个 天 的 这 星期 倾向 到 是 较少的 忙碌的， 哪个 个月 较少 很忙。我 的 真的 a 凉爽的 方式 到 看 在 如何 这些 等待 次 改变 作为 a 功能 的 不同的 因素。 感谢 你 为了 观看。 那是 全部 我们 有 今天 和 我们 希望 你会 给 这 小波 特征 在 频域扩展 a 尝试。 谢谢。
