こんにちは みんな、 ニース に 会う あなた。 私は 滞在する きもい から シムライズ、 ドイツ。 から プロ、 私は a バイオテクノロジスト そして 私は 見ている フォワード のために 私の プレゼンテーション のために あなた。
こんにちは みんな。 私は 請求書 ウォーリー。 I 午前 a ジャンプ システム エンジニア 働く 外 の その 化学薬品 地域 で その 中央 地域 の その 私たち。
こんにちは。 私の 名前 は ピーター ハーシュ。 私は 一部 の その グローバル テクニカル 有効化 チーム、 働く のために ジャンプ 外 の デンバー、 コロラド。
ピーター歓迎 に 私たちの プレゼンテーション、 データ- 駆動された 選択 として a 初め ステップ のために a 速い そして 未来 -証拠 プロセス 発達 . 初め I 欲しい に 導入 その 会社 私は 働く のために。 私たちは は 位置した で ホルツミンデン、 もっと または 少ない で その 中心 の ドイツ、 そして そこには は 二 サイト 来る から 私たちの 歴史。
世界的に 見た、 私たちは は 位置した と その 本部 ホルツミンデン . 私たちは 持っている 大きい 子会社 で ピーターバラ、 で 星 ポール そして で シンガポール、 そして そこには は とても a 多く の 設備 で フランス また 来る 期限 に 私たちの 歴史。
来る に その 歴史、 シムライズ だった 作成された で 2003 外 の a 合併 から ハーモン そして ライマー、 どれの だった 設立 で 1874年、 で ドラゴ、 どれの は その 他の 側、 から 私たちの 施設、 どれの だった 設立 1990年。 以上 その 年 そこには 持っている された とても いくつかの 買収 そして また で 2014 その 取得 の ダイアナ、 どれの は 主に 位置した で フランス なぜなら それは その 理由 なぜ そこには は それで 多くの 違う 研究 そして 発達 ハブ。
私たちの 主要 製品 来る から 農業 製品 または から 化学薬品 プロセス そして そこには は とても a 多く の 多様な 生産 能力、 生産 可能性 のために 私たちの 主要 顧客 いる 人間 または ペット。 として は それで 多様な、 私たちは は 取引 のために 食べ物 のために その 人間 消費、 のために ペット 消費、 そして また のために 健康 利点。
の上 その 他の 側、 その セグメント 香り そして ケア は 取引 と 香水 来る から 大丈夫 香水、 に 家庭 ケア、 に ランドリー , 何でも もの あなた できる 想像する、 それ 匂い うまく。
として I 言った で その 始まり、 私は a バイオテクノロジスト による トレーニング そして 私は 取引 a 多く と 発酵 プロセス に 最適化する 彼ら そして に 規模 彼ら 上 または 下。 1つ 選考科目 問題 いつ それ 来る に 発酵 は その ブロス、 その 液体 構成 の その メディア、 どれの 意思 それから 餌 その 生物。 いいえ 案件 どれの 生物 それ は、 彼らは 必要 炭素 情報源、 彼らは 必要 窒素 情報源、 彼らは 必要 マイナー 塩、 選考科目 塩、 pH 価値観、 そして 他の もの。
それ は 頻繁 重要 どれの 親切 の メディア 1つ もっている。 いつ それ 来る に メディア 構成、 そこには は 二 大きい 枝 どれの できる なれ 見られました。 1つ は その 支店 の 合成 メディア、 それで 全て コンポーネント は 知られている で その ちょうど 額 そして 構成。 その 他の 方法 は 複雑な メディア、 のために 例、 持つ a 酵母 抽出する または a タンパク質 抽出する または 何でも、 どこ その a 複雑な 混合 の 違う 基質、 違う 化学薬品 物質。 その 三番目 アプローチ だろう なれ a 混合 の 両方。
1つ の その 側 効果 の これら 複雑な メディア は それ その とても 簡単 に 取引 と 彼ら。 しかし の上 その 他の 手、 そこには できる なれ 憲法上の 変更 以上 時間、 として いくつかの ベンダー 傾向がある に 最適化する 彼らの プロセス、 彼らの 製品、 に 何でも 地域、 に 何でも ターゲット。 いくつかの 顧客 得る 所有 の それらの 変更、 いくつかの しないでください。
別の 問題 かもしれない なれ その 可用性o f その a 自然 製品 のように [聞き取れない 00:04:38] または 何でも。 あなた かもしれない 知る いくつかの 材料、 あなた 意思 きっと ない 知る 全て 材料 そして そこには かもしれない なれ 促進する または 抑制する 物質 内で それらの 混合物。
で その 始まり の a プロセス 発達、 その メディア は の 主要 重要性。 したがって I 試した に 見て で 炭素 情報源、 窒素 情報源、 塩、 トレース 要素、 そして それで の上、 いる 私の 違う 生 材料。 その間 成長している その 生物、 1つ もっている に 取る ケア の 違う 温度、 撹拌速度 に 得る 酸素 の中へ その 液体、 栽培 時間、 そして そこには は a 多く の 未知 変数 に 得る 一つの アイデア 何 その 効果 かもしれない なれ に その 細胞 ドライ 重さ、 のために 例、 または に その 違う ターゲット 化合物 1つ もっている で 心。
のために これ 設定、 I 使用済み それから その 決定的 スクリーニング デザイン。 として その ほとんど の あなた 知る、 彼らは は とても バランスの取れた そして 持っている a 特定の 形 どれの は 反射された で これら 三つ- 次元 プロット。 あなた できる 見る 決定的 スクリーニング デザイン は どうにか 歩く その周り ある エッジ そして 持つ a 中心 ポイント。 期限 に その 工事 の その 決定的 スクリーニング デザイン、 1つ できる 見積もり 相互作用 そして 四角 効果。 これら 相互作用 は ない 困惑した と その 主要 要因 そして その 主要 要因 自体 は また ない 困惑した と それぞれ 他の。 これ は a とても ニース 特徴 の その 決定的 スクリーニング デザイン そして したがって 彼らは は とても 効率的 いつ それ 来る に その 作業負荷 比較すると に 以前は 知られている スクリーニング デザイン。
いくつかの デメリット は また そこには。 1つ 大きい 不利な点 は もし あなた 持っている について 50% の その 要因 それ は 働く それ 持っている a 高い 影響 または 平 もっと、 あなた 持っている a 重要な 影響、 重要な 混乱させる、 どれの あなた 持っている に 取る ケア の。 で これ 特定の 場合、 それでも その その 最も痩せた 可能 デザイン I 見つかった、 その 実用的 作業負荷 だろう 必要とする 五 に 六 ヶ月 ただ のために スクリーニング。 これ は 遠い あまりにも 長さ いつ それ 来る に a マスター 論文。
その 代替 だった それから に 建てる 別の デザイン または に 建てる 別の プロセス。 I だった それで インスパイヤされた で コペンハーゲン 2019 による a 貢献 から 請求書 どこ 彼 話した について 赤外線 分光法 そして I 考え なぜ それ かもしれない なれ a 良い アイデア、 使用して その 化学薬品 情報 隠れた で a 近赤外線 スペクトラム に 説明する その 化学薬品 構成 の その 混合物。
したがって I 設立 これ ワークフロー。 初め、 その メディア 準備 だった 終わり の 全て その 65 混合物。 それから その 近く- 赤外線 スペクトラム だった 測定された、 いくつかの ケモメトリックス 治療 だった 好ましい そして その後、 その 空間 の 変化 できた なれ 開催 絶え間ない で a 最大、 しかし その 番号 の その 実験 できた なれ 減少 とても 大幅。
に 見せる あなた どうやって その ワークフロー は、 I 開始、 として I 言った、 と スペクトル 情報。 1つ の その 初め 原則 1つ もっている に する は に 作る a 標準化 の その スペクトル に 避ける ベースライン シフト そして もの のように それ。 これ は 1つ 方法 に 作る それ。 ご紹介 a 新しい 式 に 標準化する、 または 何 I した、 I 使用済み 一つの アドイン に 前処理 そして 計算する その 標準 普通 バラエティ、 どれの は いつ それ 来る に その 数字、 その 同じ として その 標準化、 として 私たちは 見る ここ。
と これ 標準化された スペクトル、 依存する の上 それぞれ 測定、 I 続き それから そして コンパイルされた 初め 全て これら スペクトル。 何 あなた 見る ここ の上 その トップ は その 吸収 の 毎 サンプル。 私たちは 持っている 一つの 水性 システム それで 私たちは 取った 水 として a 参照。 A その後 建物 その 違い 間 その 吸収 そして その 水、 私たちは それから 得た もっと深く そして 見た 違い 内で その スペクトル。
1つ の その 大きい 質問 だった する I 計算する 初め その 違い 間 その 吸収 の その サンプル そして その 水 そして 計算する それから その 標準 普通 バラエティ？ または する I 初め 計算する その 標準化 そして それから 使用 これら 標準化された 価値観 から その 水 背景？
1つ できた 考える その 手順 は その 同じ、 しかし その 結果 は 違う。 として あなた 見る ここ、 の上 その 右- 手 側 の その ダッシュボード、 I ズーム の中へ これ エリア そして で その より低い 一部、 その 曲線 持っている a 違う 形、 a 違う 距離 から それぞれ 他の よりも で その アッパー 一部。 T 彼の かもしれない 持っている それから 一つの 影響 の上 その その後 回帰 分析。 したがって、 I 選択された 初め に 作る その 標準化 そして それから その 違い 計算。
後 I した これら 初め 手順、 それから 来た その ケモメトリックス 一部、 それ は スムージング そして その フィルタリングと に 計算する その デリバティブ。 これ は a 標準 手順 使用して 一つの アドイン どれの は 利用可能。 あなた できる 想像する それ その 信号 かもしれない 持っている いくつかの ノイズ。 これ は 見た ここ で その より低い 一部、 その 赤 エリア は その 本物 データ、 そして その 青 曲線 は その スムーズ データ。 の上 その 左 アッパー 側、 あなた 見る その 初め 派生的な。 の上 その 右 アッパー 側、 その 2番 派生的な の これら 機能。 もし それ 来る に 多項式 フィット、 その 依存する の上 その 手順、 何 あなた は フィッティング、 何ですか その 多項式 注文、 そして どうやって 広い あなたの エリア は、 どこ あなた 作る その 計算 で。
もし 私たちは 取る ここ のみ a 2番- 注文 多項式、 あなた 見る それ それ かもしれない 変化。 今、 これ は ない a 二、 これ すべき に なれ a 20. それから その 曲線 滑らかにする 外。 それでも その スムーズ、 あなた できる 見る 違い で 身長、 で 形。 に 得る 所有 の それらの データ、 1つ もっている に 保存 その スムーズ データ に データ テーブル、 別 データ テーブル。 それから I 試した 違う 設定 のために その スムージング プロセス、 なぜなら I した ない 知る から その 始まり どれの プロセス は その 最高 に フィット 私の 希望 結果 の その 実験 で その 終わり。
後 とても a 多く の スムージング テーブル、 どれの だった それから 手動で 終わり、 そして I それから 連結された その テーブル。 これら は 全て その テーブル 私たちは ただ 作った。 私は 行く に その 初め 1つ そして 言う、 お願いします 連結する 全て の その その他。 その ニース もの は それ あなた それから 持っている で その 終わり、 これら 違う 距離 来る から その スムージング 効果。 I 持っていた a 2番 多項式 注文。 A 三番目 多項式 注文 は 20 ポイント に その 左 そして に その 右 のために その スムージング プロセス そして 30 そして それで の上。
これ は ただ a 小さい 例 に 見せる あなた その 手順。 I した とても もっと。 何 I した だった これ 額 の 処理。 I 持っていた [聞き取れない 00:15:01] のために a 2番、 三番目、 または 5番目 多項式 注文 と 10、20、 または 30. 今 来た その 大きい 一部 に 決める どれの 特定の 手順 を表す 私の 空間 で 最高。 これ、 したがって、 I 作った a 主要 成分 分析 の 全て 私の 治療 I した。
これ は a 一般的な 概要。 その 数字 代表する それぞれ 実験 による その 自分の それ あなた できる フォローする 彼ら で その 違う スコア そして 読み込み中 斑点。 その 読み込み中 プロット は… それは a 通常 写真 の a 読み込み中 プロット いつ それ 来る に スペクトル データ。 もし あなた 取る の中へ アカウント それ 私たちは は 来る から a デザイン、 これ 価値 の 24% 説明 変化 で その 始まり のために その 初め 成分 は とても 高い。
なぜ？ なぜなら その 要因 の その 決定的 スクリーニング デザイン は 直交 に それぞれ 他の そして 独立した から それぞれ 他の。 1つ だろう 期待する より低い 価値観 のために その 主要 コンポーネント。 後 これ 処理、 その 初め 派生的な と 2番 注文 多項式 そして 10 ポイント に その 左 そして に その 右 のために その スムージング、 それ 見た目 とても 均等に 配布されます。 あなた かもしれない 考える の a クラスタ ここ の上 トップ または 下に。
I 行った を通して 全て の これら 特定の プロセス そして 選択された それから a 好まれた 1つ、 どこ I 見た それ その 初め 主要 成分 もっている a とても 遅い 記述 力 のために その 変化。 それは それから その 方法 I 進みました。
後 選択する その 特定の 事前 加工済み データ、 I まだ 持っている 私の 65 サンプル。 しかし として 私たちは 聞いた で その 始まり、 65 は 遠い あまりにも 多くの のために a 作業負荷。 もし あなた 聞く あなた自身、 なぜ は そこには 132 サンプルですか？ それ は なぜなら I コピー 貼り付けた その デザイン 下に、 その オリジナル デザイン のために その スペクトル 処理 I 使用済み それから。
もし あなた 欲しい それから に 選択 あなたの 走る あなた は できる に 作る 期限 に 時間 理由 または 期限 に 料金 理由 または 何でも、 これ は 1つ プロセス あなた できる 作る 使用 その カバレッジ そして その 主要 コンポーネント。 それから これ は その デザイン 空間 どれの は 利用可能 取引 のために その 全て 変化 どれの は 内部。 しかし として あなた 見る、 私たちは だろう 必要 に 作る 132 実験。 もし 私たちは それから 行く ただ 選択 全て その 主要 コンポーネント そして 言う お願いします 作る のみ その 1つ どれの は 可能、 それから あなた 持っている その 能力 に タイプ で 毎 番号 あなた 欲しい に。
で これ ステージ、 I 選択された いくつかの 小さい または 大きい デザイン そして 見た どうやって 遠い できる I 行く 下 に 到着 で 少しでも a 良い 説明 力。 I 作った これら 25 実験、 させて ジャンプ 選択 彼ら。 その ニース もの は と これ 手順、 もし あなた は 来る 戻る に あなたの データ テーブル、 彼らは は 選択されました。 しかし これ 手順 I しなかった する 右 で その 始まり。 で その 始まり、 I 作った a マニュアル 選択。
どうやって した I する それ？ I 取った その スコアプロット の その 特定の 処理 そして それから 選択された 手動で その 外側 ポイント として 良い として 可能。 ない のみ で その 写真 の その 初め そして 2番 主要 成分、 しかし I 行った もっと深く。 これ、 のために 例、 は その 比較 の a 選択 方法 I ただ 示した あなた と その DOEの その 制約 要因 そして と その マニュアル 選択、 ただ のために 表示中 あなた 多分 いくつかの 違い。
もし あなた 作る これ DOEの選択 いくつかの 回、 しない なれ 混乱した に 得る ない いつも その 同じ 数字、 その 同じ 実験、 どれの かもしれない なれ 重要。 と これ アプローチ、 I それから 減少 その 作業負荷 から 64 実験 に 25 実験。 で 全て の これら 実験、 全て 私の 生 材料 I 持っていた から その 始まり だった 内部。 I しなかった 離れる どれでも 生 材料 外、 そして それ だった とても ニース に 見る、 それ I できた 保持 その 空間 の その 変化。
後 その 栽培 で 二 ブロック、 どれの 取った a フレーム 週 の 三つ 数週間 のために それぞれ ブロック、 私たちは まだ それから 分析された 私たちの メタボローム そして その 上清 そして 決定した 私たちの 細胞 ドライブ 質量。 のために 時間の 酒、 I 見せる あなた のみ その 結果 そして その 手順 のために その 細胞 ドライ 質量。 他の 分子 かもしれない なれ その 同じ 手順 に なれ 終わり それから。
その 次 問題 I 持っていた だった それ そこには は a 混乱させる。 I 持っていた に 期待する その 混乱させる なぜなら I 持っていた のみ 25 実験 のために 27 混合物 来る 外 の a デザイン どこ I 知っていた どこ I 想定 に 持っている 相互作用 そして 二次関数 効果。 これら 相互作用 は 何もない 新しい いつ それ 来る に メディア 構成。 二次関数 効果 だった ニース に なれ 見られました。
それから 来た その 次 ニース もの、 どれの だった 紹介された による ピート ハーシュ そして フィル K. その その すべて プロセス、 その セルフV 興奮した アンサンブル モデル。 で これ スケッチ、 あなた 見る その ワークフロー そして 私たちは 意思 行く を通して それ で ジャンプ。 その 初め もの だった に 見て で その 分布 の 私の ターゲット 価値。 後 作る a ログ 変換、 I それから 見た それ その 通常 配布されます。 それで 私たちは 持っている a ログ- 普通 分布。 それは ニース に 知る。
その 初め もの だった に ダウンロード これ 追加- で、 オート 検証 設定、 そして 打つ その 走る ボタン。 私たちは それから 得る a 新しい テーブル。 その 新しい テーブル もっている 50 行 その代わり の 25 行 から 私たちの オリジナル テーブル。 なぜ は それ それで？ その 理由 のために それ は その間 打撃 その ボタン、 その データ テーブル 取得する コピー- 貼り付けた 下に そして 私たちは 得る a 差別化 の中へ その 検証 セット そして の中へ その トレーニング セット、 として あなた 見る ここ。 その ニース 特徴 の これ オート 検証 テーブル は それ あなた できる、 期限 に a シミュレーション、 探す 外 どれの パラメータ、 どれの 要因 持っている 一つの 影響。
これ 起こる による その 免れた 部分的に 加重 ブートストラップ 重さ。 もし あなた 見て のために 例、 その 2番 実験 もっている a 価値 の 1.8 で その トレーニング セット そして その 同じ サンプル もっている a 価値 の 0.17 で その 検証 セット。 これ それから 与える 1つ その 能力 に 持っている a 大きい 重さ のために いくつかの サンプル で その トレーニング セット そして 悪徳 逆もまた同様 で その 検証 セット。 その間 彼らは 持っている a 大きい 価値、 より大きな 重さ で その トレーニング セット、 彼らは 持っている a より低い 重さ で その 検証 セット。
に 分析する これ、 その 必要 に 持っている その プロ バージョン に 作る a 一般化された 回帰。 として 私たちは 取った その ログ 価値 の 私たちの 細胞 乾燥重量、 I できる それから 作る a 普通 分布 そして それから その 推奨 に 作る a 投げ縄 回帰。 から その 初め 投げ縄 回帰、 私たちは 得る a テーブル のために その 推定値、 そして 今 来る その ニース 一部。 私たちは 作る シミュレーション 変化 その ペアリング 重さ ブートストラップ 重さ の それぞれ 要素。
のために 時間の 酒、 私は ただ 作る 50 シミュレーション。 から これら 50 シミュレーション、 私たちは 得る それから その 割合 のために それぞれ 要素 私たちは 持っていた で その デザイン どこ それ 入力された その 回帰 方程式、 または しなかった 入力 その 回帰 方程式。 これ パターン 来る 期限 に これ ランダム化 プロセス の その ブートストラップ 森 方法。 から これ 分布 私たちは 行く に その まとめ 統計、 カスタマイズ 彼ら、 私たちは は ただ のみ 興味がある で その 割合 ゼロ以外。 これ 割合 ゼロ以外 は ついに その 額 の その 50 シミュレーション。 どうやって 頻繁 これ 特定の 変数 行った の中へ その 回帰 方程式。
から これ、 私たちは 作る a 組み合わせた データ テーブル そして 持っている a 見て の上 その パーセンテージ の それぞれ 変数 いる で a モデル または いる ない で a モデル。 これ 見た目 a 少し 少し 混乱します。 もし 私たちは は 注文 それ による その カラム 二 下降、 私たちは それから 見る a ニース パターン。
今 あなた できる 想像する なぜ I 紹介された で その 始まり これ ヌル 要素 または これら ランダム 制服 要因。 T 彼 制服 要因 だった 手動で 紹介された。 その ヌル 要素 だった 紹介された による 打撃 その 自動 検証 セット。 何 これらを行う ポイント 平均？ これら ポイント 平均 それ それまで その ヌル 要素、 これら 変数 持っている a 高い 潜在的 なぜなら 彼らは だった とても 頻繁 内で その モデル- 建物 プロセス。 これら で その 底 だった とても めったに 内で その モデル- 建物 プロセス それで その 能力 に 減らす あなたの 複雑 は 与えられた による ただ 廃棄 これら。 ここ で その 真ん中 1つ もっている に 決める 何 に する。
後 持つ これ 抽出、 ない 負け 情報、 そして ない 負け 変化、 1つ できる それから 考える の 違う 回帰 プロセス 作る 応答 表面 モデル または ステップ 賢い 回帰 または 何でも 回帰 あなた 持っている で 心。 その 賢い に 比較する 違う 回帰 モデル 見ている 何ですか 実現可能、 何ですか 意味がある。 それ だった その 手順 I 使用済み で JMP 16。 その間 来る 今 に ピート そして 請求書、 彼らは 意思 説明する あなた 何か それ以外。
感謝 あなた、 滞在する。 それ だった a 素晴らしい 例 の 一つの 概要 の あなたの ワークフロー。 感謝 あなた。 何ですか 新しい で JMP 17 それ かもしれない 持っている 助けた 滞在する a 少し 少し と その ツール 彼 だった 働く と？ 私は 行く に 始める オフ と a 少し 少し の a スライド 見せる ここ。 私は 行く に なれ 話している について 機能データエクスプローラー。 それは で JMPプロ そして 話している について その 事前 処理 そして ウェーブレット モデリング それ は 建てられた の中へ 機能データエクスプローラー 今。
全て 右、 それで させて 自分 スライド これ 上 a 少し 少し それで あなた できる 見る。 何ですか 新しい で JMP17? 私たちは 追加した いくつかの ツール それ 許可する のために a より良い ケモメトリックス 分析 の スペクトル データ。 本当に どれでも 多変量 データ それ あなた かもしれない 持っている それ あなた できる 考える の、 これら ツール は そこには に ヘルプ。 初め は 追加する その 前処理 方法 それ は 建てられた の中へ FDE 今。
私たちは 得た 標準 普通 変異体、 どれの 滞在する 示した あなた。 私たちは 得た 乗法 散らばる 修正、 どれの は a 少し 少し もっと 強力 よりも その 標準 普通 変異体。 両方 の これら 意思 ない 混乱させる その キャラクター の あなたの スペクトル。 それは ない その 話 と サヴィツキー・ゴレイ。 それ する 変更する その スペクトル、 どれの 意思 それから 作る a 少し 少し もっと強く に 解釈する その データ。 その 鍵 もの は それ まだ 役立ちます。 それから 私たちは 持っている 何か と呼ばれる 多項式 ベースライン 修正、 どれの は 別の 追加した 道具 もし あなた 必要 それ。
その 次 ステップ だろう なれ それから に 保存 それ 前処理 データ のために さらに遠く 分析、 のように 主要 成分 分析、 部分的に 正方形、 それで の上 そして それで 前へ、 それで あなた できる する いくつかの 分析 そこには。
その ウェーブレット モデリング は a 方法 に 見て で その ケモメトリックス データ 似ている に 主要 成分 分析。 だった フィッティング a モデル に その データ に 決定する どれの は その 最高 全体 フィット のために、 で これ 場合、 25 スペクトル。 それは その ゴール ここ。 その 一つの 代替 に スプライン モデル。 その 通常 より良い よりも スプライン モデル、 しかし ない いつも。 あなた 得る に モデル その 全体 スペクトル、 ない その ポイント- による- ポイント、 どれの あなた だろう する と 他の 分析 種類。
それから あなた 得る に 識別する これら もの と呼ばれる 形 機能 それ 作る 上 その 曲線。 これら 形 機能 は、 また、 似ている に 主要 成分 分析 で それ 彼らは は 助ける と 寸法 削減。 それから、 として I 言った 前に、 これら は 素晴らしい ツール のために スペクトル そして クロマトグラフィー データ、 しかし 事実上 どれでも 多変量 データ は 公平 ゲーム。
これら は ただ 一つの 例 の その ウェーブレット 機能 それ は 建てられた で。 I できた 試す そして 発音する いくつかの の これら 名前、 しかし 病気 混乱 彼ら 上、 しかし 知る それ これら は で そこには。 そこには は a サイト ここ それ あなた できる 見て 上 何 これら ウェーブレット は 全て について。 I 得た その スライド から ライアン パーカー それで 感謝 あなた、 ライアン。
ほとんど 最後 しかし ない 少しでも、 何 だった やっている と これ 機能的 主要 成分 分析 は だった 試して に 決定する、 また、 何ですか その 最高 全体 フィット のために これら データ そして それから 比較する その 曲線 として 必要です。 何 来る 外 の その ウェーブレット モデリング は a ウェーブレット DOE、 そして 私たちは 決定する どれの 波長 持っている その 最高 エネルギー のために どれでも 与えられた スペクトル または 何でも だった 見ている で。
これら ウェーブレット 係数 できる それから なれ 使用済み に 建てる a 分類 または 定量化 モデル。 それは 上 に あなた。 それ 依存する の上 その データ そして 何 補足 変数 あなた 持っている 建てられた で。 で これ 場合、 これ は a 違う 例 どこ I だった 見ている で パーセント アクティブ ベース の上 いくつかの 近く そして スペクトル。
さあ 得る の中へ a 素早い 例。 全て 右。 これ は エゴンの データ。 私は 撮影 その データ それ だった で その オリジナル テーブル、 これ 吸収 マイナス その 水 スペクトル、 そして 私は 転置された それ の中へ a 新しい データ テーブル どこ 私は 走る 機能データエクスプローラー。 私は ただ 行く に 開ける 上 その 分析 ここ。 それ する 取る a 少し 少し に 走る、 しかし これ は その 例 それ 望んでいた に 見せる。
私たちは 終わり その 事前 処理 予め。 私たちは 撮影 その 乗法 散らばる で これ 場合 そして それから その 標準 普通 様々な、 そして それから 建てられた その モデル オフ の それ。 後 これ 関数 または これら 事前 処理 ツール どれの は 見つかった 以上 ここ、 私は 行く に 言う それ データ 外、 そして それから それ データ は 行く に なれ 使用済み のために さらに遠く 分析 として 必要です。
に 建てる の上 その 話 ここ、 私たちは 得た その 分析 終わり。 私たちは 建てられた その ウェーブレット モデル。 後 私たちは 得た その 平均 関数 そして その 標準 偏差 のために 全て の 私たちの モデル、 私たちは 建てる それ ウェーブレット モデル そして 私たちは 得る その フィット それ あなた 見る ここ。 何 これ は 伝える 私たち は それ その 彼女 ウェーブレット は その 最高 全体 ベース の上 その 最低 ベイズ情報 基準 スコア . 今 私たちは できる 来る 下 ここ そして 見て で その 全体 ウェーブレット 機能、 その 形 機能、 そして 得る 一つの アイデア の どれの ウェーブレット 持っている その 最高 エネルギー、 どれの 形 機能 は 説明 その ほとんど 変化 それ あなたは 見る 間 曲線、 そして それから あなた できる また 減らす その モデル または 増加 その モデル と あなたの 選択 ここ と その 番号 の コンポーネント それ あなた 選択します。
1つ もの それ 来る 外 の これ は a スコアプロット どれの 許可する あなた に 見る グループ化 の 違う で これ 場合、 スペクトル。 1つ それ あなたは 行く に 見る 下 ここ は これ。これ できた なれ a 潜在的 外れ値。 その 違う よりも その 休む。 もし あなた ホバー 以上 その データ ポイント、 あなた できる 実は 見る それ スペクトル。 あなた できる ピン それ に その グラフ、 引く それ 外、 そして それから さあ 言う さあ ただ 選ぶ 別の 青 1つ ここ そして 良い 見る もし 私たちは できる 見る どこ その 違い は。
それ 見た目 のように それ かもしれない なれ で その 始まり . もし 私たちは 見て で これ 右 ここ、 それは a 大きい 違い、 それから 多分 それ ただ しなかった 得る 減算された 外 または 事前 加工済み その 同じ 方法 で その 二 スペクトル。 I しない 持っている 一つの 例 の その ウェーブレット DOEの これ セット 上、 しかし ただ 知る それ その そこには。 もし あなたは 興味がある で これ -これ もっている された a かなり 素早い 概要- しかし もし あなたは 興味がある で これ、 お願いします 接触 私たち、 そして 私たちは 意思 探す a 方法 に ヘルプ あなた より良い 理解する 何ですか 行く の上 と ウェーブレット DOEと 前処理 建てられた の中へ JMPプロ。 ピート、 I 意思 振り向く それ 以上 に あなた。
全て 右。 良い、 ありがとう、 請求書 そして 滞在する。 ただ のように 請求書、 I 午前 行く に 行く 以上 どうやって 自己検証アンサンブルモデル 変更された で JMP 17。 請求書 示した どうやって あなた できた する 何 滞在する した で 16 17歳 多くの より簡単に 使用して 機能データエクスプローラー。 のために 自分、 私は 行く に 取る それ 最後 少し それ 滞在する 示した そして と その 追加- で、 作成 それが私のセットです 上。 使用 それらの 部分的に 加重 ブートストラップ 列 そして それから また 作る それ 検証 そして その ヌル 要素。 私は 行く に ただ 見せる どうやって それは 終わり 今 で JMP® 17。 それで これ は 多くの より簡単に に する で JMP 17。 ただ のように それ、 スペクトル データ 処理 と FDE、 これ は 終わり で JMP 17。
もし あなた 覚えて、 滞在する 持っていた 消えた を通して、 彼 見た で 全て それらの スペクトル、 彼 抽出された 外 その 意味のある エリア、 見ている で スムージング剤、 その 標準 普通 変異体、 そして した a 束 の 違う 前処理 手順。 それから 彼 取った それらの 前処理 手順 そして 彼 選択された a サブセット の それらの 走る に 実は 走る、 そして 彼 持っていた 来る 上 と 25. ここ は それらの 25 実行されます。 から これ ステップ、 何 彼 した は それ 自己検証アンサンブルモデル またはあなた自身。
で 16, これ 取った a 少し 少し の やっている。 あなた 持っていた に 作る それ モデル、 それから あなた 持っていた に シミュレーション、 それから あなた 持っていた に 取る それらの シミュレーション、 そして 走る a 分布 の上 それぞれ 1つ の 彼ら、 そして それから 得る その まとめ 統計、 そして それから 抽出する それ 外 に a 組み合わせた データ テーブル、 そして それから グラフ それ または 表にする それ そして 見る どれの もの 起こる その ほとんど 頻繁。
それ だった a 多く の 手順 そして a 多く の クリック に する、 そして 滞在する もっている 明らかに 終わり これ a 束 の 回 なぜなら 彼 した それ かわいい 素早く そして スムーズに、 しかし それ 取った a 少し 少し の やっている に 学ぶ。 粘土 バーカー 作った これ 多くの より簡単に で JMP 17。 同じ 25 サンプル ここ、 そして その代わり の ランニング それ オート 検証 セット- 上 追加- で それ 滞在する 示した、 だった 行く に ただ 行く 先に そして 行く に 分析する そして フィット モデル。
良い セット 上 私たちの モデル。 I f あなた 覚えて、 だった 服用 これ ログ の その ドライ 重さ ここ。 だった 行く に 追加 a カップル の ランダム 変数 平行 と 全て の 私たちの 要因 の中へ その モデル、 そして それから だった 行く に 作る もちろん それ 私たちは 選択された 一般化された 回帰。 これ は その セット 上 のために 私たちの モデル、 だった 行く に 行く 先に そして 走る それ、 そして で JMP 17、 私たちは 持っている 二 新しい 推定 方法。
これら は 両方 自己検証アンサンブルモデル 方法。 その 初め 1つ は a フォワード 選択。 私は 行く に 行く 先に そして 使用 オールラッソ なぜなら それは 何 滞在する 使用済み で 彼の 部分、 そして ここ あなた ただ 置く で どうやって 多くの サンプル あなた 欲しい。 彼 持っていた 選択された 50. 私は 行く に ただ 行く と その デフォルト の 200. 打つ 行く、 そして あなた できる 見る 今 その ランニング 全て の それ 後ろに その シーン どこ あなた だろう 持っている シミュレーション、 再計算 それらの 比例 重量、 そして それから で その 終わり ここ、 私たちは ただ 持っている これ ニース テーブル それ ショー 私たち 何 は 入る 私たちの モデル ほとんど 頻繁 上 ここ。
それから いつ 私たちは 打つ 何か のように a ランダム 変数。 ただ 外 の ランダム性、 何か それは 入る それ モデル は 入る 多分 について 半分 その 時間。 もの それ は 入る もっと 定期的に よりも a ランダム 変数、 私たちは 持っている かわいい 高い 自信 それ それらの は おそらく 変数 私たちは 欲しい に 見て で。 それから 私たちは だろう 行く から ここ そして 打ち上げ その プロファイラー。 私は すでに 終わり それ 以上 ここ、 それで 私たちは しない 持っている に 待って のために それ に 打ち上げ または 評価 変数 重要性。
しかし ここ、 これ ショー 私たち どれの の これら 要因 は アクティブ。 私たちは できる 見る その ほとんど アクティブ 要因、 そして その間 その ない 作る a 素晴らしい 正確な モデル、 なぜなら また もし あなた 覚えて、 私たちは は 服用 25 走る に 試す に 見積もり 27 違う 要因。 もし あなた 取る a 見て ここ で その ほとんど 普及している もの、 これ できる で 少しでも 与える あなた 一つの アイデア の その インパクト の それぞれ 1つ の これら 要因。 全て 右、 それで それ 基本的に 合計 上 何 滞在する 持っていた 終わり。 それ ただ 作る これ 多くの より簡単に で JMP 17、 そして 私たちは は 続く に 改善する これら もの そして 希望 それ これ ワークフロー 取得する より簡単に と それぞれ リリース の ジャンプ。 感謝 あなた のために あなたの 注意 そして うまくいけば、 あなた 見つかった これ 話す 有益です。
