你好， 每個人。 謝謝 為了 未來 到 我們的 影片. 我的 姓名 是 瑞安 帕克， 和 今天 我是 去 到 展示 和 黏土 巴克 關於 一些 新的 工具 那 我們 有 額外 到 分析 光譜 數據 和 這 功能 數據 探險家 在 跳轉 專業版 17. 第一的， I 只是 通緝 到 開始 離開 和 一些 的 這 激勵 數據 套 那 引領 我們 到 添加 這些 新的 工具。 他們是 真的 有動力 經過 這些 化學計量學 應用程式, 能 確實 是 應用 到 其他 區域， 但 為了 例子， 我們 有 這 光譜學 數據 在哪裡 這 第一的 事物 你 可能 注意 和 這 是 我們已經 得到 a 很多 的 數據 點 採樣， 但 我們 也 有 一些 非常 鋒利的 尖峰 在 我們的 數據。 那是 去 到 是 a 再次發生的 主題 在哪裡 我們 有 a 需要 到 真的 確認 這些 鋒利的 特徵 那 這 現存的 工具 我們 有 在 跳轉 是 a 小的 難的 到 真的 捕獲 那些。 為了 例子， 是 思維 關於 作品 的 材料 或者 如何 我們 能 探測 生物標誌物 和 數據。 這些 是 三 光譜 範例 那 出色地 看 在。
其他 例子 的 數據 那 是 的 興趣 是 這 大量的 光譜法 數據。 這裡 是 思維 關於 a 大量的 到 收費 比率 那 我們 能 使用 到 構造 a 光譜 在哪裡 這 尖峰 在 這 光譜， 他們是 代表 蛋白質 那 是 的 興趣 在 這 區域 的 應用。 一 例子 是 比較 這些 光譜 之間 不同的 患者， 說 a 病人 和 癌症 或者 a 病人 沒有， 和 這 地點 的 這些 蛋白質 是 非常 重要的 到 確認 差異 在 這些 二 組。
其他 例子 是 色譜法 數據。 這裡 我們 能 思考 關於 是 使用 一些 化學 混合物 超過， 是 使用 a 材料 那是 去 到 幫助 我們 量化 相對的 金額 的 這 各種各樣的 成分 那 是 在 這些 混合物。 經過 使用 這 保留 時間 在 這 過程， 我們 能 嘗試 到 確認 這 不同的 成分。 為了 例子， 如果 你 沒有 知道 這， I 曾是 不是 意識到的 直到 I 開始 到 工作 和 這 數據， 嘗試 到 模仿 橄欖 油 是 a 大的 交易。 我們 能 使用 這些 數據 套 到 數位 出去， 好的， 什麼是 a 真的 橄欖 油， 或者 什麼是 只是 一些 其他 蔬菜 油 那 某人 可能 是 嘗試 到 經過 離開 作為 一個 橄欖 油？
這 第一的 事物 I 想 到 做 是 去 透過 一些 的 這 新的 預處理 選項 那 我們已經 額外 到 幫助 工作 和 光譜 數據 前 我們 得到 到 這 造型 階段。 我們 有 a 新的 工具 稱為 這 標準 普通的 種類， a 乘法 分散 更正 在哪裡 你 有 如果 你 有 光 分散 在 你的 數據， 這 Savitzky–Golay 濾波器， 哪個 是 這 平滑 步 什麼時候 你 有 光譜 數據 那 出色地 得到 進入。 最後， a 新的 工具 到 執行 a 基線 更正 為了 這 數據 到 消除 趨勢 那 你是 不是 真的 有興趣的 在 那 你 想 到 得到 出去 第一的。
好的， 所以 什麼是 標準 普通的 變體？ 現在 在 跳轉， 我們 有 這 能力 到 只是 標準化 你的 數據 在 FDE。 但 什麼時候 你 使用 那 工具， 它是 只是 服用 這 意思是 的 全部 的 這 函數 和 a 全球的 變異數 和 縮放 它 那 方式， 但 和 標準 普通的 變體， 是 思維 關於 這 個人 方法 和 差異 的 每個 的 這 函數 到 標準化 和 消除 那些 效果 前 我們 去 到 分析。 每當 我是 在 這 正確的 這裡， 後 表演 這 標準 普通的 變體， 我們 能 看， 好的， 那裡 曾是 一些 全面的 方法 和 現在 他們是 全部 一起 和 任何 過量的 變異數 是 採取 出去 前 我們 去 到 分析。
乘 的 分散 更正 是 這 下一個 步， 和 它是 一個 選擇 到 標準 普通的 變體。 在 一些 案例 你是 思維 你是 去 到... 每當 你 使用 它， 你 可能 結尾 向上 和 相似的 結果。 這 不同之處 這裡 是 這 動機 為了 使用 乘 的 分散 更正。 那是 什麼時候 你 有 光 分散， 或者 你 思考 你 可能 有 光 分散 因為 的 這 方式 那 你 集 這 數據。
什麼 發生 是 為了 每一個 功能， 是 去 到 合身 這 簡單的 線性 模型 在哪裡 我們已經 得到 a 坡 和 一個 截距， 和 是 去 到 使用 那些 估計的 係數 到 現在 標準化 我們的 數據 那 是 去 到 工作 和。 我們 減去 離開 這 截距 和 劃分 經過 這 坡， 和 現在 我們 有 這 標準化 版本。 A 獲得， 你 能 結尾 向上 和 相似的 結果 作為 標準 普通的 方差。
現在 這 下一個 預處理 步 我是 去 到 覆蓋 是 這 Savitzky–Golay濾波器。 什麼時候 你 有 光譜 數據， 前 我們 得到 到 這 造型 階段， 這 新的 造型 工具 我們 有， 他們是 發達 在 這樣的 a 方式 那 他們是 嘗試 到 挑選 向上 全部 這 重要的 件 的 這 數據。 如果 你 有 噪音， 我們 需要 到 做 a 步 在哪裡 我們 光滑的 那 第一的。 那是 在哪裡 這 Savitzky–Golay濾波器 來 在。 什麼 是 正在做 是 是 去 到 合身 一個 結尾- 程度 多元性 超過 a 指定的 頻寬 那 我們 能 選擇 到 幫助 嘗試 到 消除 任何 噪音 從 這 數據。 在 FDE， 現在， 是 去 到 去 前方 和 選擇 那些 最好的 參數 為了 你， 這 程度 和 這 寬度 到 嘗試 到 最小化 這 模型 錯誤 那 我們 得到。
一 事物 I 做 想 到 觀點 出去 是 那 我們 做 要求 a 常規的 網格 到 給我們 這 手術， 哪個 將要 來 向上 再次 在 這 未來， 但 頻域擴展 是 去 到 創造 一 為了 你。 我們 也 有 這 減少 網格 選項 可用的 如果 你 想 更精細 控制 第一的 前 你 依靠 在 我們 製作 那 選擇 為了 你。 這 好的 事物 關於 這 Savitzky–Golay濾波器 是 因為 的 這 方式 這 模型 是 合身， 我們 現在 有 使用權 到 衍生品。 這 是 某物 那 有 來 向上 事先的 到 光譜 數據， 和 現在 那 我們 有 這， 我們已經 得到 a 好的 方式 為了 你 到 使用權 和 工作 和 造型 這些 衍生物 功能。
這 最後的 一 I 想 到 覆蓋 是 這 基線 更正。 什麼 基線 更正 是 正在做 是 它是 思維 關於 那裡 可能 是 全面的 趨勢 在 我們的 數據 那 我們 想 到 得到 擺脫 的。 這 數據 放 在 這 正確的 有 只是 a 非常 小的 差異 喜歡 線性 不同之處 在 這 功能。 什麼 是 思維 關於 是， 好的， 我們 不 真的 想 到 關心 關於 那， 我們 想 到 得到 擺脫 的 它。 什麼 這 工具 是 去 到 允許 你 到 做 是 選擇 這 基線 模型 那 你 想要。我 n 這 案件， 它是 只是 a 真的 簡單的 線性 模型， 但 你 可能 有 一些 在哪裡 你已經 得到 指數 或者 對數 趨勢 那 你 想 到 得到 擺脫 的。 和 所以 我們 有 那 可用的。 然後 你 能 選擇 你的 更正 地區。
為了 這 最多 部分， 你是 去 到 想 到 正確的 這 全部的 功能， 但 它 可能 是 可能的 那 或許 僅有的 這 開始 或者 這 結尾 的 這 功能 是 在哪裡 你 想 到 正確的。 我們 結尾 向上 和 這些 基線 區域 那 是 這些 藍色的 線。 如果 我們 點選 這 添加 按鈕， 它會 給 我們 a 一對 的 藍色的 線。 是 去 到 拖 這些 大約 到 部分 的 這 功能 那 我們 相信 是 真實的。 全部 這 尖峰 在 這些 數據 是 某物 那 我們 不 真的 想 到 觸碰。 這 是 這 部分 的 這 函數 那 我們 想 到 保持 和 分析 和 是 去 到 給 這 資訊 那 是 有興趣的 在。 也 如果 你 選擇 這 之內 地區， 任何事物 那是 之內 這些 區域 是 什麼 將要 得到 已更正。 你是 任何一個 去 到 做 一 或者 這 其他， 正確的？ 你是 去 到 任何一個 離開 它 獨自的 或者 你是 去 到 改變 僅有的 之內 那 在 那些 數據 套。
最後， 你 不 看 它 這裡， 但 你 能 也 添加 錨 點。 它 可能 是， 取決於 在 你的 數據， 簡單的 到 只是 指定 a 很少 點 那 你 知道 這 描述 這 全面的 趨勢。 什麼時候 你 點選 添加， 你會 得到 a 紅色的 線， 和 那是 去 到 告訴 你 這， 無論 I 拖 那 線， 它是 確實 去 到 是 包括 在 這 模型 前 I 正確的 這 基線。 什麼時候 你 點選 好的 這裡， 你會 只是 結尾 向上 和 a 新的 數據 放 那 有 這 趨勢 已刪除。
好的， 所以 那 帶來 我們 到 這 造型 階段。 什麼 我們已經 額外 為了 跳轉 專業版 17 是 小波 模型。 好的， 所以 什麼 是 小波 模型？ 他們 是 基礎 功能 模型， 不是 喜歡 任何事物 我們 有 現在 在 跳轉， 但 他們 能 有 非常 戲劇性 特徵。 什麼 這些 特徵 是 正在做 是 幫助 我們 挑選 向上 這些 鋒利的 尖峰 或者 這些 大的 變化 在 這 功能。 我們 也 有 這 簡單的 她 小波， 哪個 是 只是 a 步 功能。 如果 它 轉彎 出去 那 某物 真的 簡單的 是 喜歡 這 步 功能 適合 最好的， 我們 將要 給 你 那 作為 出色地。 你 能 看 我們 有 a 很少 不同的 選項 那 是 真的... 如果 你 思考 關於 彎曲 這些 小波 和 伸展 他們 出去， 那是 如何 我們 是 造型 這 數據 到 真的 挑選 向上 全部 這些 特徵 的 興趣。
到 只是 激勵 那， I 想 到 展示 你 這 目前的 去- 到 在 跳轉， 哪個 是 a B- 樣條線 模型， 哪個 有 a 非常 難的 時間 採摘 向上 在 這些 特徵 沒有 任何 手- 調音。 B- 樣條線 模型 是 正在做 a 小的 位元 更好的。 它 仍然 有 一些 問題 採摘 向上 這 山峰， 但 它 可能 在 一些 方法 是 這 最好的。 直接的 功能 主成分分析， 正在做 幾乎 作為 好的 作為 P-sp 線條， 但 不是 相當。 然後 我們 有 小波。 是 真的 採摘 向上 這 尖峰 這 最好的。 在 這 特別的 數據 放， 它是 不是 配件 他們 完美， 但 我們 會 思考 尋找 在 診斷， 這 小波 模型 是 確實 這 一 我們 會 想 到 去 和。
再次， 我們 有 這些 五 不同的 小波 模型 類型， 和 什麼 是 去 到 做 是 出色地 合身 全部 這些 為了 你 所以 那 你 不 有 到 擔心 關於 採摘 和 選擇。 外部 的 這 她的小波， 全部 的 這 其他 小波 類型 有 a 範圍。 我們 有 a 網格 那 我們 是 去 到 搜尋 超過 為了 你 在 添加 到 這 類型。
現在 它 可能 是 可能的 那 那裡 是 一些 案例 在哪裡 使用者 有 說， 嘿， 這 特別的 小波 類型 是 確切地 如何 我的 數據 應該 是 代表， 所以 你 能 改變 這 預設 模型， 但 經過 預設, 是 去 到 挑選 這 模型 那是 去 到 最佳化 這 模型 選擇 標準， 這 人工智慧服務公司。 真的 什麼 你 能 思考 關於 這裡 是 那裡 可以 是 潛在 a 很多 的 參數 在 每一個 一 的 這些 小波 模型。 是 有效地 使用 a 套索 模型 到 嘗試 到 消除 出去 任何 參數 那 真的 只是 不是 配件 這 數據。 我們 得到 a 疏 表示， 不 事 這 小波 模型。 我們 鋸 這 早些時候 在哪裡 我們 有 到 有 我們的 數據 在 這 網格。 它是 這 相同的 事物 和 小波。 如果 你 只是 開始 去 透過 這 小波 模型 和 你的 數據 是 不是 在 這 網格， 出色地 創造 一 為了 你。 但 再次， 只是 通緝 到 觀點 出去 你 能 使用 那 減少 網格 選項 到 有 更精細 控制。
好的， 所以 某物 別的 那 我們 展示 那 能 幫助 給 你 一些 洞察力 進入 如何 這些 模型 工作 是 這 係數 陰謀。 什麼 它是 告訴 我們 是 這 X 軸 是 這 普通的 X 的 這 輸入 空間 的 你的 功能， 但 這 Y 軸 是 這 解決。 這些 頂部 決議 這裡， 你是 思維 關於 全面的 方法。 作為 我們 得到 進入 這些 高的 決議， 這些 是 這 事物 那 是 正在發生 真的 關閉 一起。 A 紅色的 線 方法 它是 a 消極的 係數。 藍色的 方法 它是 積極的。 他們是 縮放 所以 那 他們是 全部 可解釋的 反對 每個 其他。 這 最大的 線 給 你 這 主意 在哪裡 這 最大的 係數 是。 我們 能 看 那 這 更高 頻率 專案 是 真的 這裡 在 這 結尾 的 這 功能。 我們 有 一些 全面的 趨勢， 但 只是 某物 到 思考 關於 那 這些 小波 模型 是 尋找 在 不同的 決議 的 你的 數據。
某物 別的 那 我們已經 額外 前 我們 得到 到 我們的 示範 和 黏土 是 小波 美國能源部。 在 FDE， 我們 有 a 功能 美國能源部 那 是 在職的 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， 我們 有 係數 為了 全部 的 這些 小波 功能。 在 這 美國能源部 分析， 是 思維 關於 造型 這 係數 直接地。 這 解決 告訴 你 一個 主意 的 如果 它是 a 高的- 頻率 物品 或者 低的- 頻率 物品。 然後 這 數位 在 這 括號 是 告訴 你 這 地點。 你 能 思考， 好的， 這些 專案 這裡 是 在 這 三分球， 和 那是 在哪裡 一些 的 那 最高 特徵 是 那 我們 鋸 在 那 係數 陰謀。 那些 有 什麼 是 呼叫 這 最高 活力。
活力 在 這 案件 是 只是... 如果 我們 分數 全部 這 係數， 我們 添加 他們 向上， 你 能 思考 的 那 存在 作為 這 全部的 活力。 所以 這 活力 數位 這裡 是 a 相對的 活力 和 給予 你 一個 主意 的 如何 很多 活力 它 是 解釋 在 這 數據。 這 好的 事物 真的 關於 使用 這 係數 方法 是 這些 有 直接的 解釋 正確的 到 這 地點 和 到 這 解決。 一個 選擇 那 你 能 嘗試 和 比較 反對 功能 主成分分析 或者 功能 美國能源部 如果 你 有 這 可解釋性 的 這 係數。 現在 I 思考 患病的 手 它 超過 到 黏土。 他是 得到 a 示範 為了 你 到 看 如何 你 使用 這些 模型 在 跳轉 贊成。
謝謝， 瑞安。 讓我們 拿 a 看 在 一個 例子 那 我們 成立。 瑞安 提及 簡要地 這 橄欖 油 數據 放 那 我們 成立。 它是 a 樣本 的 120 不同的 油。 最多 的 他們 是 橄欖 油， 一些 的 他們 是 混合物 或者 蔬菜 油。 什麼 我們 通緝 到 看 是， 能 我們 使用 這 高的- 表現 液體 色譜法 數據？ 能 我們 使用 那 資訊 到 分類 這 油？ 能 我們 看 在 這 光譜 說 這 是 一個 橄欖 油 或者 這 是 不是 一個 橄欖 油？
這些 數據 來了 出去 的 a 學習 從 a 大學 在 西班牙， 和 瑞安 和 I 學到了 a 很多 關於 橄欖 油 在 這 過程。 為了 例子， 橄欖 油 是 實際上 a 水果 汁， 哪個 I 做過 不是 知道。 讓我們 拿 a 看 在 我們的 數據。 每個 排 在 我們的 數據 放 是 a 不同的 橄欖 油 或者 其他 油， 和 這 列 代表 這 光譜。 出色地 使用 這 功能 數據 探索者， 和 它會 拿 只是 a 第二 到 合身 這 小波 模型。 Y 你會 看 這裡， 我們 合身 我們的 不同的 小波。 作為 瑞安 提及 早些時候， 我們 嘗試 a 少數 的 不同的 小波 和 我們 給 你 這 最好的 一。
在 這 案件， 這 西姆萊特 20 曾是 這 最好的 小波 在 條款 的 如何 出色地 它 適合 我們的 數據。 我們 能 看 這裡 在哪裡 我們已經 覆蓋 這些 已安裝 小波 和 這 數據 那 這 小波 模型 適合 真的 出色地。 L 和的 說 你 有 a 首選 小波 功能 那 你 通緝 到 使用 反而， 你 能 總是 點選 大約 在 這 報告 和 它會 更新 哪個 小波 是 使用。 如果 我們 通緝 這 西姆萊特 10 反而， 全部 你 有 到 做 是 點選 在 這 排 在 這 桌子， 和 出色地 轉變 到 這 西姆萊特 10 反而。 讓我們 去 後退 到 這 20 和 出色地 拿 a 看 在 我們的 係數。
在 這 小波 報告， 我們 有 這 桌子 的 小波 係數。 作為 瑞安 曾是 說 早些時候， 這些 給 我們 資訊 關於 在哪裡 這 尖峰 是 在 這 數據。 這 更遠 小波， 我們 思考 關於 那 喜歡 一個 截距， 所以 那是 喜歡 一個 全面的 意思是。 然後 每一個 一 的 這些 小波 係數 和 a 解決 是... 它 線 向上 和 a 不同的 部分 的 這 功能。 這 解決 一 是 這 最低 頻率 解決， 和 它 去 全部 這 方式 向上 到 解決 12. 這些 是 很多 更高 頻率 決議。
作為 你 能 看， 我們已經 歸零 a 很多 的 這些 出去。 在 事實， 這 所有的 堵塞 的 小波 係數 是 歸零 出去。 那 只是 去 到 展示 那 是 平滑。 如果 我們 用過的 全部 的 這些 決議， 它 會 重新創建 這 功能 完美， 但 我們 零 他們 出去 和 那 給出 我們 a 很多 更平滑 功能。 我們 合身 這 小波 模型 到 我們的 光譜 和 我們 思考 我們 有 a 好的 模型。 讓我們 拿 這些 係數 和 是 去 到 使用 這些 到 預測 無論 或者 不是 一個 油 是 橄欖 油。 我已經 得到 那 在 a 不同的 數據 放。
現在 我已經 進口 全部 的 那些 小波 係數 進入 a 新的 數據 放 和 我已經 合併 它 和 什麼 類型 的 油 它 是。 它是 任何一個 橄欖 油 或者 它是 其他， 和 我們已經 得到 全部 的 這些 小波 係數 那 是 去 到 使用 到 預測 那。 這 方式 我們 做 那 是 使用 這 廣義的 回歸 平台。 是 去 到 模型 這 類型 使用 全部 的 我們的 不同的 小波 係數。 自從 它是 a 二進位 回覆, 我們 選擇 這 二項式 分配， 和 是 有興趣的 在 造型 這 可能性 那 一個 油 是 橄欖 油。 因為 我們 不 想 到 使用 全部 的 那些 小波 係數， 是 去 到 使用 這 套索 到 做 多變的 選擇。
現在 我們已經 用過的 這 套索 和 我們已經 得到 a 模型 和 只是 14 參數。 的 全部 的 那些 小波 係數 那 我們 經過考慮的 為了 我們的 模型， 我們 僅有的 真的 需要 14 的 他們。 我們 能 拿 a 看， 我們已經 歸零 出去 a 很多 的 那些 小波 係數。 讓我們 拿 a 看 在 這 錯亂 矩陣。 使用 我們的 模型， 我們 實際上 完美 預測 無論 或者 不是 一 的 這些 油 是 一個 橄欖 油 或者 它是 某物 別的。 那是 漂亮的 好的。 我們 拿了 我們的 小波 係數 和 我們 已選擇 這 十三 最多 重要的 因為 一 的 那些 14 參數 是 這 截距。 我們 僅有的 需要 十三 的 那些 小波 係數 到 預測 哪個 油 我們 有。
在 事實， 我們 能 拿 a 看 在 在哪裡 那些 小波 係數 落下 在 我們的 功能。 什麼 我們 有 這裡 是 我們 有 這 平均的 橄欖 油 光譜蛋白 藍色的 和 這 其他 油 在 紅色的， 和 每個 的 那些 虛線 線 線 向上 和 這 係數 那 我們 用過的。 一些 的 這些 真的 製作 a 很多 的 感覺。 為了 例子， 這是 一 的 這 小波 係數 那 是 重要的， 和 你 能 看 那 有 a 大的 不同之處 在 這 橄欖 油 痕跡 和 這 其他 油。
同樣地， 超過 這裡， 我們 能 看 那 有 a 大的 不同之處 之間 這 二 那裡。 你 能 看 透過 和 看 那 a 很多 的 這些 地點 真的 做 製作 感覺。 它 使 感覺 那 我們 能 使用 那 部分 的 這 曲線 到 辨析 之間 這 不同的 類型 的 油。 我們 只是 想法 那 曾是 a 真的 涼爽的 例子 的 使用 小波 到 預測 某物 別的。 不是 那 橄欖 油 不是 樂趣， 但 瑞安 和 I 兩個都 有 年輕的 孩子們 和 是 兩個都 大的 粉絲 的 這 世界。
我們 也 成立 a 新的 世界 數據 放 在哪裡 某人 有 已記錄 等待 次 為了 一 的 這 受歡迎的 遊樂設施 在 迪士尼 世界。 它是 稱為 這 七 矮人 頭腦 火車 . 它是 a 滾筒 雲霄飛車 在 迪士尼 世界。 某人 有 已記錄 等待 次 自始至終 這 天 為了 一些 年 值得 的 數據。 I 也 提及 這些 是 a 子集 的 這 數據。 一 的 這 問題 是 這 公園 是 打開 為了 不同的 金額 的 時間 每個 天， 和 一些 的 這 觀察 是 丟失的。 我們 子集 它 向下 和 得到 它 到 a 更多的 可管理 數據 放。 I 會 說 那 這 例子 是 受到啟發 經過 真實的 數據， 但 它是 不是 確切地 真實的 數據 一次 我們 按摩 它 a 小的 位元.
如果 我們 圖形 我們的 數據， 我們 能 看... 這 水平的 軸 這裡 是 這 時間 的 天， 和 這 垂直的 軸 是 這 等待 時間。 在 這 中間 的 這 天， 這 等待 時間 為了 這 騎 傾向 到 是 這 最高。 我們 能 看 大約 在 不同的 天 的 這 星期。 星期日， 週一 是 a 小的 位元 更多的 忙碌的。 週二 是 a 小的 較少的 忙碌的， 週六 是 這 最多 忙碌的。 我們 能 做 這 相同的 事物 尋找 在 這 年。 這 是 2015年， 2016年， 2017年。 它 看起來 喜歡 每一個 年 它是 得到 更長 和 更長 等待 次 直到 某物 發生 在 2021年。 I 思考 我們 全部 知道 為什麼 等待 次 在 一個 娛樂 公園 會 是 較少的 在 2021年。 我們 得到 一個 主意 那 你 能 使用 這 資訊, 喜歡 天 的 這 星期， 年 和 月， 到 預測 什麼 那 等待 時間 曲線 將要 看 喜歡。 讓我們 看 如何 我們 做 那 在 FDE。
患病的 只是 跑步 我的 腳本 這裡。 什麼 我們已經 完畢 是 出色地 來 到 這 選單 和 問 到 合身 我們的 小波 模型。 它 需要 只是 a 第二， 但 真的 不是 那 長的 到 合身 一些 年 值得 的 數據。 這 時間 是 不是 使用 這 西姆萊特 不再。 是 使用 這 多貝希 小波 功能。 什麼 瑞安 提及 早些時候 曾是 這 小波 美國能源部 特徵。 現在， 什麼 I 沒有 展示 曾是 那 我們已經 也 已載入 時間 的 這 天 的 這 星期 和 這 年 和 這 月 在 這 FDE。 是 去 到 使用 那些 變數 到 預測 這 小波 係數。 讓我們 去 到 這 紅色的 三角形 選單 和 出色地 問 為了 小波 美國能源部。
現在， 什麼 是 正在發生 在後面 這 場景 是 是 使用 天 的 這 星期， 月， 和 年 到 預測 那些 小波 係數， 和 然後 我們 放 它 全部 後退 一起 所以 那 我們 能 看 如何 這 預測 等待 時間 變化 作為 a 功能 的 那些 補充 變數。 現在， 的 課程， 我們 總結 它 在 a 好的 分析器。 我們 能 真的 迅速地 看 這 效果 的 月。 如果 是 只是 去 經過 這 平均的 等待 時間 的 這 特別的 騎， 我們 能 看 那 九月 傾向 到 有 這 最低 等待 時間。 我們 能 真的 迅速地 看 這 冠狀病毒 影響。 這 等待 次 是 這裡 在 2019年， 和 然後 什麼時候 我們 去了 向前 到 2020年， 他們 真的 掉落。 你 能 看 大約 到 看 哪個 天 的 這 星期 傾向 到 是 較少的 忙碌的， 哪個 個月 較少 很忙。我 的 真的 a 涼爽的 方式 到 看 在 如何 這些 等待 次 改變 作為 a 功能 的 不同的 因素。 感謝 你 為了 觀看。 那是 全部 我們 有 今天 和 我們 希望 你會 給 這 小波 特徵 在 頻域擴展 a 嘗試。 謝謝。
