你好 每个人， 好的 到 见面 你。 我是 停留 总的 从 德之馨， 德国。 从 专业的， 我是 a 生物技术专家 和 我是 寻找 向前 为了 我的 推介会 为了 你。
你好 每个人。 我是 账单 沃利。 I 是 a 跳转 系统 工程师 在职的 出去 的 这 化学 领土 在 这 中央 地区 的 这 我们。
你好。 我的 姓名 是 彼得 赫什。 我是 部分 的 这 全球的 技术的 赋能 团队， 在职的 为了 跳转 出去 的 丹佛, 科罗拉多州。
彼得欢迎 到 我们的 推介会， 数据- 驱动 选择 作为 a 第一的 步 为了 a 快速地 和 未来 -证明 过程 发展 . 第一的 I 想 到 介绍 这 公司 我是 在职的 为了。 我们 是 位于 在 霍尔茨明登, 更多的 或者 较少的 在 这 中心 的 德国， 和 那里 是 二 站点 未来 从 我们的 历史。
全球 看到， 我们 是 位于 和 这 总部 霍尔茨明登 . 我们 有 大的 子公司 在 彼得伯勒， 在 星星 保罗 和 在 新加坡， 和 那里 是 相当 a 很多 的 设施 在 法国 还 未来 到期的 到 我们的 历史。
未来 到 这 历史， 德之馨 曾是 创建 在 2003 出去 的 a 合并 从 哈蒙 和 押韵者， 哪个 曾是 成立 在 1874年， 在 德拉戈， 哪个 是 这 其他 边， 从 我们的 设施， 哪个 曾是 已确立的 1990年。 超过 这 年 那里 有 到过 相当 一些 收购 和 还 在 2014 这 获得 的 戴安娜， 哪个 是 主要 位于 在 法国 因为 那是 这 原因 为什么 那里 是 所以 许多 不同的 研究 和 发展 集线器。
我们的 主要的 产品 来 从 农业 产品 或者 从 化学 流程 和 那里 是 相当 a 很多 的 各种各样的 生产 容量， 生产 可能性 为了 我们的 主要的 顾客 存在 人类 或者 宠物。 作为 是 所以 各种各样的， 我们 是 处理 为了 食物 为了 这 人类 消耗， 为了 宠物 消耗， 和 还 为了 健康 好处。
在 这 其他 边， 这 部分 香味 和 关心 是 处理 和 香水 未来 从 美好的 香水， 到 家庭 关心， 到 洗衣店 , 任何 事物 你 能 想象， 那 闻 很好。
作为 I 说 在 这 开始， 我是 a 生物技术专家 经过 训练 和 我是 处理 a 很多 和 发酵 流程 到 优化 他们 和 到 规模 他们 向上 或者 向下。 一 主要的 问题 什么时候 它 来 到 发酵 是 这 肉汤， 这 液体 作品 的 这 媒体， 哪个 将要 然后 喂养 这 生物。 不 事情 哪个 生物体 那 是， 他们 需要 碳 来源， 他们 需要 氮 来源， 他们 需要 次要的 盐， 主要的 盐， pH 价值观， 和 其他 事物。
它 是 经常 重要的 哪个 种类 的 媒体 一 有。 什么时候 它 来 到 媒体 作品， 那里 是 二 大的 分支 哪个 能 是 见过。 一 是 这 分支 的 合成的 媒体， 所以 全部 成分 是 已知 在 这 精确的 数量 和 作品。 这 其他 方式 是 复杂的 媒体， 为了 例子， 拥有 a 酵母 提炼 或者 a 蛋白质 提炼 或者 任何， 在哪里 它是 a 复杂的 混合物 的 不同的 基质， 不同的 化学 物质。 这 第三 方法 会 是 a 混合物 的 两个都。
一 的 这 边 效果 的 这些 复杂的 媒体 是 那 它是 相当 简单的 到 交易 和 他们。 但 在 这 其他 手， 那里 能 是 宪法 变化 超过 时间， 作为 一些 供应商 倾向 到 优化 他们的 流程， 他们的 产品， 到 任何 地区， 到 任何 目标。 一些 顾客 得到 抓住 的 那些 变化， 一些 不。
其他 问题 可能 是 这 可用性 f 它是 a 自然的 产品 喜欢 [听不清 00:04:38] 或者 任何。 你 可能 知道 一些 原料， 你 将要 一定 不是 知道 全部 原料 和 那里 可能 是 推广 或者 抑制 物质 之内 那些 混合物。
在 这 开始 的 a 过程 发展， 这 媒体 是 的 主要的 重要性。 所以 I 尝试过 到 看 在 碳 来源， 氮 来源， 盐， 痕迹 元素， 和 所以 在， 存在 我的 不同的 生的 材料。 尽管 生长 这 生物体， 一 有 到 拿 关心 的 不同的 温度， 搅拌速度 到 得到 氧 进入 这 液体， 栽培 时间， 和 那里 是 a 很多 的 未知 变量 到 得到 一个 主意 什么 这 影响 可能 是 到 这 细胞 干燥 重量， 为了 例子， 或者 到 这 不同的 目标 化合物 一 有 在 头脑。
为了 这 设置， I 用过的 然后 这 确定的 筛查 设计。 作为 这 最多 的 你 知道， 他们 是 相当 均衡 和 有 a 特别的 形状 哪个 是 反映 在 这些 三- 维度 阴谋。 你 能 看 确定的 筛查 设计 是 不知何故 步行 大约 肯定 边缘 和 拥有 a 中心 观点。 到期的 到 这 建造 的 这 确定的 筛查 设计， 一 能 估计 互动 和 正方形 效果。 这些 互动 是 不是 困惑 和 这 主要的 因素 和 这 主要的 因素 本身 是 还 不是 困惑 和 每个 其他。 这 是 a 非常 好的 特征 的 这 确定的 筛查 设计 和 所以 他们 是 非常 高效的 什么时候 它 来 到 这 工作量 比较的 到 以前 已知 筛查 设计。
一些 缺点 是 还 那里。 一 大的 劣势 是 如果 你 有 关于 50% 的 这 因素 那 是 在职的 那 有 a 高的 影响 或者 甚至 更多的， 你 有 a 重要的 影响， 重要的 令人困惑的是， 哪个 你 有 到 拿 关心 的。 在 这 特别的 案件， 虽然 它是 这 最瘦 可能的 设计 I 成立， 这 实际的 工作量 会 要求 五 到 六 个月 只是 为了 篩選。 这 是 远的 也 长的 什么时候 它 来 到 a 掌握 论文。
这 选择 曾是 然后 到 建造 其他 设计 或者 到 建造 其他 过程。 I 曾是 所以 受到启发 在 哥本哈根 2019 经过 a 贡献 从 账单 在哪里 他 谈论 关于 红外线的 光谱学 和 I 想法 为什么 那 可能 是 a 好的 主意， 使用 这 化学 信息 隐 在 a 近红外 光谱 到 描述 这 化学 作品 的 这 混合物。
所以 I 已确立的 这 工作流程。 第一的， 这 媒体 准备 曾是 完毕 的 全部 这 65 混合物。 然后 这 靠近- 红外线的 光谱 曾是 测量， 一些 化学计量学 治疗 是 首选 和 然后， 这 空间 的 变化 可以 是 握住 持续的 在 a 最大限度， 但 这 数字 的 这 实验 可以 是 减少 相当 显著地。
到 展示 你 如何 这 工作流程 是， I 开始， 作为 I 说， 和 光谱 信息。 一 的 这 第一的 原则 一 有 到 做 是 到 制作 a 标准化 的 这 光谱 到 避免 基线 轮班 和 事物 喜欢 那。 这 是 一 方式 到 制作 它。 介绍 a 新的 公式 到 标准化， 或者 什么 I 做过， I 用过的 一个 插件 到 预处理 和 计算 这 标准 普通的 种类， 哪个 是 什么时候 它 来 到 这 数字， 这 相同的 作为 这 标准化， 作为 我们 看 这里。
和 这 标准化 光谱， 取决于 在 每个 测量， I 持续 然后 和 已编译 第一的 全部 这些 光谱。 什么 你 看 这里 在 这 顶部 是 这 吸收 的 每一个 样本。 我们 有 一个 水性 系统 所以 我们 拿了 水 作为 a 参考。 A 之后 建筑 这 不同之处 之间 这 吸收 和 这 水， 我们 然后 得到 更深 和 锯 差异 之内 这 光谱。
一 的 这 大的 问题 曾是 做 I 计算 第一的 这 不同之处 之间 这 吸收 的 这 样本 和 这 水 和 计算 然后 这 标准 普通的 种类？ 或者 做 I 第一的 计算 这 标准化 和 然后 使用 这些 标准化 价值观 从 这 水 背景？
一 可以 思考 这 程序 是 这 相同的， 但 这 结果 是 不同的。 作为 你 看 这里， 在 这 正确的- 手 边 的 这 仪表板， I 放大 进入 这 区域 和 在 这 降低 部分， 这 曲线 有 a 不同的 形状， a 不同的 距离 从 每个 其他 比 在 这 上 部分。 T 他的 可能 有 然后 一个 影响 在 这 随后的 回归 分析。 所以， I 已选择 第一的 到 制作 这 标准化 和 然后 这 不同之处 计算。
后 I 做过 这些 第一的 步骤， 然后 来了 这 化学计量学 部分， 那 是 平滑 和 这 过滤和 到 计算 这 衍生品。 这 是 a 标准 程序 使用 一个 插件 哪个 是 可用的。 你 能 想象 那 这 信号 可能 有 一些 噪音。 这 是 见过 这里 在 这 降低 部分， 这 红色的 区域 是 这 真实的 数据， 和 这 蓝色的 曲线 是 这 光滑的 数据。 在 这 左边 上 边， 你 看 这 第一的 衍生物。 在 这 正确的 上 边， 这 第二 衍生物 的 这些 功能。 如果 它 来 到 多项式 适合， 它是 取决于 在 这 程序， 什么 你 是 配件， 什么是 这 多项式 命令， 和 如何 广阔 你的 区域 是， 在哪里 你 制作 这 计算 在。
如果 我们 拿 这里 仅有的 a 第二- 命令 多项式， 你 看 那 它 可能 改变。 现在， 这 是 不是 a 二， 这 应该 到 是 a 20. 然后 这 曲线 平滑 出去。 虽然 它是 光滑的， 你 能 看 差异 在 高度， 在 形状。 到 得到 抓住 的 那些 数据， 一 有 到 节省 这 光滑的 数据 到 数据 表格， 分离 数据 表。 然后 I 尝试过 不同的 设置 为了 这 平滑 过程， 因为 I 做过 不是 知道 从 这 开始 哪个 过程 是 这 最好的 到 合身 我的 期望 结果 的 这 实验 在 这 结尾。
后 相当 a 很多 的 平滑 表格， 哪个 是 然后 手动 完毕， 和 I 然后 串联 这 表。 这些 是 全部 这 表 我们 只是 制成。 我是 去 到 这 第一的 一 和 说， 请 连接 全部 的 这 其他的。 这 好的 事物 是 那 你 然后 有 在 这 结尾， 这些 不同的 距离 未来 从 这 平滑 影响。 I 有 a 第二 多项式 命令。 A 第三 多项式 命令 是 20 点 到 这 左边 和 到 这 正确的 为了 这 平滑 过程 和 三十 和 所以 在。
这 是 只是 a 小的 例子 到 展示 你 这 程序。 I 做过 相当 更多的。 什么 I 做过 曾是 这 数量 的 治疗。 I 有 [听不清 00:15:01] 为了 a 第二， 第三， 或者 第五 多项式 命令 和 10，20， 或者 30. 现在 来了 这 大的 部分 到 决定 哪个 特别的 程序 代表 我的 空间 在 最好的。 这， 所以， I 制成 a 主要的 成分 分析 的 全部 我的 治疗 I 做过。
这 是 a 一般的 概述。 这 数字 代表 每个 实验 经过 它是 自己的 那 你 能 跟随 他们 在 这 不同的 分数 和 加载中 斑点。 这 加载中 阴谋 是… 那是 a 常规的 图片 的 a 加载中 阴谋 什么时候 它 来 到 光谱 数据。 如果 你 拿 进入 帐户 那 我们 是 未来 从 a 设计， 这 价值 的 24% 解释 变化 在 这 开始 为了 这 第一的 成分 是 非常 高的。
为什么？ 因为 这 因素 的 这 确定的 筛查 设计 是 正交 到 每个 其他 和 独立的 从 每个 其他。 一 会 预计 降低 价值观 为了 这 主要的 成分。 后 这 治疗， 这 第一的 衍生物 和 第二 命令 多项式 和 10 点 到 这 左边 和 到 这 正确的 为了 这 平滑， 它 看起来 非常 均匀地 分布式。 你 可能 思考 的 a 簇 这里 在 顶部 或者 以下。
I 去了 通过 全部 的 这些 特别的 流程 和 已选择 然后 a 受青睐 一， 在哪里 I 锯 那 这 第一的 主要的 成分 有 a 非常 慢的 描述 力量 为了 这 变化。 那是 然后 这 方式 I 進行。
后 选择 这 特别的 预 已处理 数据， I 仍然 有 我的 65 样品。 但 作为 我们 听到 在 这 开始， 65 是 远的 也 很多 为了 a 工作量。 如果 你 问 你自己， 为什么 是 那里 132 样品？ 那 是 因为 I 复制 粘贴 这 设计 以下， 这 原来的 设计 为了 这 光谱 治疗 I 用过的 然后。
如果 你 想 然后 到 选择 你的 运行 你 是 有能力的 到 制作 到期的 到 时间 原因 或者 到期的 到 成本 原因 或者 任何， 这 是 一 过程 你 能 制作 使用 这 覆盖范围 和 这 主要的 成分。 然后 这 是 这 设计 空间 哪个 是 可用的 处理 为了 这 全部 变化 哪个 是 里面。 但 作为 你 看， 我们 会 需要 到 制作 132 实验。 如果 我们 然后 去 只是 选择 全部 这 主要的 成分 和 说 请 制作 仅有的 这 一 哪个 是 可能的， 然后 你 有 这 能力 到 类型 在 每一个 数字 你 想 到。
在 这 阶段， I 已选择 一些 更小 或者 大 设计 和 锯 如何 远的 能 I 去 向下 到 抵达 在 至少 a 好的 描述 力量。 I 制成 这些 二十五 实验， 让 跳转 选择 他们。 这 好的 事物 是 和 这 程序， 如果 你 是 未来 后退 到 你的 数据 桌子， 他们 是 選擇。 但 这 程序 I 没有 做 正确的 在 这 开始。 在 这 开始， I 制成 a 手动的 选择。
如何 做过 I 做 那？ I 拿了 这 得分图 的 这 特别的 治疗 和 然后 已选择 手动 这 外 点 作为 好的 作为 可能的。 不是 仅有的 在 这 图片 的 这 第一的 和 第二 主要的 成分， 但 I 去了 更深。 这， 为了 例子， 是 这 比较 的 a 选择 方法 I 只是 显示 你 和 这 美国能源部 这 约束 因素 和 和 这 手动的 选择， 只是 为了 显示 你 或许 一些 差异。
如果 你 制作 这 DOE选择 一些 次， 不 是 使困惑 到 得到 不是 总是 这 相同的 数字， 这 相同的 实验， 哪个 可能 是 重要的。 和 这 方法， I 然后 减少 这 工作量 从 64 实验 到 二十五 实验。 在 全部 的 这些 实验， 全部 我的 生的 材料 I 有 从 这 开始 是 里面。 I 没有 离开 任何 生的 材料 出去， 和 那 曾是 非常 好的 到 看， 那 I 可以 保持 这 空间 的 这 变化。
后 这 栽培 在 二 块， 哪个 拿了 a 框架 星期 的 三 周 为了 每个 堵塞， 我们 然而 然后 分析 我们的 代谢组 和 这 上清液 和 决定 我们的 细胞 驾驶 大量的。 为了 时间的 清酒， I 展示 你 仅有的 这 结果 和 这 程序 为了 这 细胞 干燥 大量的。 其他 分子 可能 是 这 相同的 程序 到 是 完毕 然后。
这 下一个 问题 I 有 曾是 那 那里 是 a 令人困惑。 I 有 到 预计 这 令人困惑 因为 I 有 仅有的 二十五 实验 为了 二十七 混合物 未来 出去 的 a 设计 在哪里 I 知道 在哪里 I 假定 到 有 互动 和 二次函数 效果。 这些 互动 是 没有什么 新的 什么时候 它 来 到 媒体 作品。 二次函数 效果 是 好的 到 是 见过。
然后 来了 这 下一个 好的 事物， 哪个 曾是 介绍 经过 皮特 赫什 和 菲尔 K. 它是 这 全部 过程， 这 自V 已核实 合奏 模型。 在 这 草图， 你 看 这 工作流程 和 我们 将要 去 通过 那 在 跳转。 这 第一的 事物 曾是 到 看 在 这 分配 的 我的 目标 价值。 后 制作 a 日志 转型， I 然后 锯 那 它是 通常情况下 分布式。 所以 我们 有 a 日志- 普通的 分配。 那是 好的 到 知道。
这 第一的 事物 曾是 到 下载 这 添加- 在， 汽车 验证 设置， 和 打 这 跑步 按钮。 我们 然后 得到 a 新的 桌子。 这 新的 桌子 有 50 行 反而 的 二十五 行 从 我们的 原来的 桌子。 为什么 是 那 所以？ 这 原因 为了 那 是 尽管 击中 这 按钮， 这 数据 桌子 获取 复制- 粘贴 以下 和 我们 得到 a 分化 进入 这 验证 放 和 进入 这 训练 放， 作为 你 看 这里。 这 好的 特征 的 这 汽车 验证 桌子 是 那 你 能， 到期的 到 a 模拟， 寻找 出去 哪个 参数， 哪个 因素 有 一个 影响。
这 发生 经过 这 幸免于难 分数地 加权 引导程序 重量。 如果 你 看 为了 例子， 这 第二 实验 有 a 价值 的 1.8 在 这 训练 放 和 这 相同的 样本 有 a 价值 的 0.17 在 这 验证 放。 这 然后 给出 一 这 能力 到 有 a 大 重量 为了 一些 样品 在 这 训练 放 和 副 反之亦然 在 这 验证 放。 尽管 他们 有 a 大 价值， 更大的 重量 在 这 训练 放， 他们 有 a 降低 重量 在 这 验证 放。
到 分析 这， 它是 必要的 到 有 这 赞成 版本 到 制作 a 广义的 回归。 作为 我们 拿了 这 日志 价值 的 我们的 细胞 干重， I 能 然后 制作 a 普通的 分配 和 然后 它是 受到推崇的 到 制作 a 套索 回归。 从 这 第一的 套索 回归， 我们 得到 a 桌子 为了 这 估计， 和 现在 来 这 好的 部分。 我们 制作 模拟 改变 这 配对 重量 引导程序 重量 的 每个 因素。
为了 时间的 清酒， 我是 只是 制作 50 模拟。 从 这些 50 模拟， 我们 得到 然后 这 部分 为了 每个 因素 我们 有 在 这 设计 在哪里 它 输入 这 回归 方程， 或者 没有 进入 这 回归 方程。 这 图案 来 到期的 到 这 随机化 过程 的 这 引导程序 森林 方法。 从 这 分配 我们 去 到 这 概括 统计数据， 定制 他们， 我们 是 只是 仅有的 感兴趣的 在 这 部分 非零。 这 部分 非零 是 最后 这 数量 的 这 50 模拟。 如何 经常 这 特别的 多变的 去了 进入 这 回归 方程。
从 这， 我们 制作 a 合并 数据 桌子 和 有 a 看 在 这 百分比 的 每个 多变的 存在 在 a 模型 或者 存在 不是 在 a 模型。 这 看起来 a 小的 少量 令人困惑。 如果 我们 是 订购 它 经过 这 柱子 二 下降， 我们 然后 看 a 好的 图案。
现在 你 能 想象 为什么 I 介绍 在 这 开始 这 无效的 因素 或者 这些 随机的 制服 因素。 T 他 制服 因素 是 手动 介绍。 这 无效的 因素 曾是 介绍 经过 击中 这 汽车- 验证 放。 什么 做这些 点 意思是？ 这些 点 意思是 那 直到 这 无效的 因素， 这些 变量 有 a 高的 潜在的 因为 他们 是 相当 经常 之内 这 模型- 建筑 流程。 这些 在 这 底部 是 相当 很少 之内 这 模型- 建筑 流程 所以 这 能力 到 减少 你的 复杂 是 给定 经过 只是 丢弃 这些。 这里 在 这 中间 一 有 到 决定 什么 到 做。
后 拥有 这 萃取， 不是 失败 信息， 和 不是 失败 变化， 一 能 然后 思考 的 不同的 回归 流程 制作 回复 表面 模型 或者 步 明智的 回归 或者 任何 回归 你 有 在 头脑。 它是 明智的 到 比较 不同的 回归 模型 寻找 什么是 可行的， 什么是 有意义。 那 曾是 这 程序 I 用过的 在 跳转 16。 尽管 未来 现在 到 皮特 和 账单， 他们 将要 描述 你 某物 别的。
感谢 你， 停留。 那 曾是 a 伟大的 例子 的 一个 概述 的 你的 工作流程。 感谢 你。 什么是 新的 在 JMP 17 那 可能 有 帮助 停留 a 小的 少量 和 这 工具 他 曾是 在职的 和？ 我是 去 到 开始 离开 和 a 小的 少量 的 a 滑动 展示 这里。 我是 去 到 是 说 关于 功能数据探索器。 那是 在 JMP专业版 和 说 关于 这 预 加工 和 小波 造型 那 是 建造 进入 函数数据探索器 现在。
全部 正确的， 所以 让 我 滑动 这 向上 a 小的 少量 所以 你 能 看。 什么是 新的 在 跳转 17？ 我们 额外 一些 工具 那 允许 为了 a 更好的 化学计量学 分析 的 光谱 数据。 真的 任何 多变量 数据 那 你 可能 有 那 你 能 思考 的， 这些 工具 是 那里 到 帮助。 第一的 是 添加 这 预处理 方法 那 是 建造 进入 频域扩展 现在。
我们 得到 标准 普通的 变体， 哪个 停留 显示 你。 我们 得到 乘法 分散 更正， 哪个 是 a 小的 少量 更多的 强大的 比 这 标准 普通的 变体。 两个都 的 这些 将要 不是 扰乱 这 特点 的 你的 光谱。 那是 不是 这 故事 和 萨维茨基-戈莱。 它 做 改变 这 光谱， 哪个 将要 然后 制作 a 小的 少量 更难 到 解释 这 数据。 这 钥匙 事物 是 它 仍然 有帮助。 然后 我们 有 某物 称为 多项式 基线 更正， 哪个 是 其他 额外 工具 如果 你 需要 那。
这 下一个 步 会 是 然后 到 节省 那 预处理 数据 为了 更远 分析， 喜欢 主要的 成分 分析， 部分 正方形， 所以 在 和 所以 第四， 所以 你 能 做 一些 分析 那里。
这 小波 造型 是 a 方式 到 看 在 这 化学计量学 数据 相似的 到 主要的 成分 分析。 是 配件 a 模型 到 这 数据 到 决定 哪个 是 这 最好的 全面的 合身 为了， 在 这 案件， 二十五 光谱。 那是 这 目标 这里。 它是 一个 选择 到 样条线 模型。 它是 通常 更好的 比 样条线 模型， 但 不是 总是。 你 得到 到 模型 这 所有的 光谱， 不是 这 观点- 经过- 观点， 哪个 你 会 做 和 其他 分析 类型。
然后 你 得到 到 辨别 这些 事物 称为 形状 函数 那 制作 向上 这 曲线。 这些 形状 函数 是， 再次， 相似的 到 主要的 成分 分析 在 那 他们 是 帮助 和 方面 减少。 然后， 作为 I 说 前， 这些 是 出色的 工具 为了 光谱 和 色谱法 数据， 但 几乎 任何 多变量 数据 是 公平的 游戏。
这些 是 只是 一个 例子 的 这 小波 函数 那 是 建造 在。 I 可以 尝试 和 发音 一些 的 这些 名字， 但 患病的 混乱 他们 向上， 但 知道 那 这些 是 在 那里。 那里 是 a 地点 这里 那 你 能 看 向上 什么 这些 小波 是 全部 关于。 I 得到 这 滑动 从 瑞安 帕克 所以 感谢 你， 瑞安。
几乎 最后的 但 不是 至少， 什么 是 正在做 和 这 功能 主要的 成分 分析 是 是 尝试 到 决定， 再次， 什么是 这 最好的 全面的 合身 为了 这些 数据 和 然后 比较 这 曲线 作为 需要。 什么 来 出去 的 这 小波 造型 是 a 小波 美国能源部， 和 我们 决定 哪个 波长 有 这 最高 活力 为了 任何 给定 光谱 或者 任何 是 寻找 在。
这些 小波 系数 能 然后 是 用过的 到 建造 a 分类 或者 量化 模型。 那是 向上 到 你。 它 取决于 在 这 数据 和 什么 补充 变量 你 有 建造 在。 在 这 案件， 这 是 a 不同的 例子 在哪里 I 曾是 寻找 在 百分比 积极的 基于 在 一些 靠近 和 光谱。
让我们 得到 进入 a 快的 例子。 全部 正确的。 这 是 埃贡的 数据。 我已经 采取 这 数据 那 曾是 在 这 原来的 桌子， 这 吸收 减 这 水 光谱， 和 我已经 转置 那 进入 a 新的 数据 桌子 在哪里 我已经 跑步 功能数据探索器。 我是 只是 去 到 打开 向上 这 分析 这里。 它 做 拿 a 小的 少量 到 跑步， 但 这 是 这 例子 那 通缉 到 展示。
我们 完毕 这 预 加工 预先。 我们 采取 这 乘法 分散 在 这 案件 和 然后 这 标准 普通的 各种各样的， 和 然后 建造 这 模型 离开 的 那。 后 这 功能 或者 这些 预 加工 工具 哪个 是 成立 超过 这里， 我是 去 到 说 那 数据 出去， 和 然后 那 数据 是 去 到 是 用过的 为了 更远 分析 作为 需要。
到 建造 在 这 故事 这里， 我们已经 得到 这 分析 完毕。 我们 建造 这 小波 模型。 后 我们已经 得到 这 意思是 功能 和 这 标准 偏差 为了 全部 的 我们的 模型， 我们 建造 那 小波 模型 和 我们 得到 这 合身 那 你 看 这里。 什么 这 是 告诉 我们 是 那 这 她 小波 是 这 最好的 全面的 基于 在 这 最低 贝叶斯信息 标准 分数 . 现在 我们 能 来 向下 这里 和 看 在 这 全面的 小波 函数， 这 形状 函数， 和 得到 一个 主意 的 哪个 小波 有 这 最高 活力， 哪个 形状 函数 是 解释 这 最多 变化 那 你是 看到 之间 曲线， 和 然后 你 能 还 减少 这 模型 或者 增加 这 模型 和 你的 选择 这里 和 这 数字 的 成分 那 你 选择。
一 事物 那 来 出去 的 这 是 a 得分图 哪个 允许 你 到 看 分组 的 不同的 在 这 案件， 光谱。 一 那 你是 去 到 看 向下 这里 是 这个。这个 可以 是 a 潜在的 异常值。 它是 不同的 比 这 休息。 如果 你 徘徊 超过 这 数据 观点， 你 能 实际上 看 那 光谱。 你 能 别针 它 到 这 图形， 拉 那 出去， 和 然后 让我们 说 让我们 只是 挑选 其他 蓝色的 一 这里 和 出色地 看 如果 我们 能 看 在哪里 这 差异 是。
它 看起来 喜欢 它 可能 是 在 这 开始 . 如果 我们 看 在 这 正确的 这里， 那是 a 大的 不同之处， 然后 或许 那 只是 没有 得到 减去 出去 或者 预 已处理 这 相同的 方式 在 这 二 光谱。 I 不 有 一个 例子 的 这 小波 DOE 这 放 向上， 但 只是 知道 那 它是 那里。 如果 你是 感兴趣的 在 这 -这 有 到过 a 相当 快的 概述- 但 如果 你是 感兴趣的 在 这， 请 接触 我们， 和 我们 将要 寻找 a 方式 到 帮助 你 更好的 理解 什么是 去 在 和 小波 DOE 和 预处理 建造 进入 JMP专业版。 皮特， I 将要 转动 它 超过 到 你。
全部 正确的。 出色地， 谢谢， 账单 和 停留。 只是 喜欢 账单， I 是 去 到 去 超过 如何 自我验证集成模型 改变 在 跳转 17。 账单 显示 如何 你 可以 做 什么 停留 做过 在 16 在17 很多 更轻松 使用 功能数据探索器。 为了 我， 我是 去 到 拿 那 最后的 少量 那 停留 显示 和 和 这 添加- 在， 创造 这是我的套装 向上。 使用 那些 部分 加权 引导程序 列 和 然后 还 制作 那 验证 和 这 无效的 因素。 我是 去 到 只是 展示 如何 那是 完毕 现在 在 JMP® 17。 所以 这 是 很多 更轻松 到 做 在 跳转 17。 只是 喜欢 那， 光谱 数据 加工 和 FDE， 这 是 完毕 在 跳转 17。
如果 你 记住， 停留 有 走了 通过， 他 看起来 在 全部 那些 光谱， 他 提取 出去 这 有意义的 区域， 寻找 在 平滑剂， 这 标准 普通的 变体， 和 做过 a 束 的 不同的 预处理 步骤。 然后 他 拿了 那些 预处理 步骤 和 他 已选择 a 子集 的 那些 运行 到 实际上 跑步， 和 他 有 来 向上 和 25. 这里 是 那些 二十五 运行。 从 这 步， 什么 他 做过 是 那 自验证集成模型 或者你自己。
在 16， 这 拿了 a 小的 少量 的 正在做。 你 有 到 制作 那 模型， 然后 你 有 到 模拟， 然后 你 有 到 拿 那些 模拟， 和 跑步 a 分配 在 每个 一 的 他们， 和 然后 得到 这 概括 统计数据， 和 然后 提炼 那 出去 到 a 合并 数据 桌子， 和 然后 图形 那 或者 制表 那 和 看 哪个 一 发生 这 最多 经常。
那 曾是 a 很多 的 步骤 和 a 很多 的 点击 到 做， 和 停留 有 清楚地 完毕 这 a 束 的 次 因为 他 做过 它 漂亮的 迅速地 和 顺利， 但 它 拿了 a 小的 少量 的 正在做 到 学习。 黏土 巴克 制成 这 很多 更轻松 在 跳转 17。 相同的 二十五 样品 这里， 和 反而 的 跑步 那 汽车 验证 放- 向上 添加- 在 那 停留 显示， 是 去 到 只是 去 前方 和 去 到 分析 和 合身 模型。
出色地 放 向上 我们的 模型。 I f 你 记住， 是 服用 这 日志 的 这 干燥 重量 这里。 是 去 到 添加 a 夫妻 的 随机的 变量 沿着 和 全部 的 我们的 因素 进入 这 模型， 和 然后 是 去 到 制作 当然 那 我们已经 已选择 广义的 回归。 这 是 这 放 向上 为了 我们的 模型， 是 去 到 去 前方 和 跑步 它， 和 在 JMP 17， 我们 有 二 新的 估计 方法。
这些 是 两个都 自验证集成模型 方法。 这 第一的 一 是 a 向前 选择。 我是 去 到 去 前方 和 使用 全部套索 因为 那是 什么 停留 用过的 在 他的 部分， 和 这里 你 只是 放 在 如何 许多 样品 你 想。 他 有 已选择 50. 我是 去 到 只是 去 和 这 默认 的 200. 打 去， 和 你 能 看 现在 它是 跑步 全部 的 那 在后面 这 场景 在哪里 你 会 有 模拟， 重新计算 那些 比例 重量， 和 然后 在 这 结尾 这里， 我们 只是 有 这 好的 桌子 那 节目 我们 什么 是 进入 我们的 模型 最多 经常 向上 这里。
然后 什么时候 我们 打 某物 喜欢 a 随机的 多变的。 只是 出去 的 随机性， 某物 那是 进入 那 模型 是 进入 或许 关于 一半 这 时间。 事物 那 是 进入 更多的 经常 比 a 随机的 多变的， 我们 有 漂亮的 高的 信心 那 那些 是 大概 变量 我们 想 到 看 在。 然后 我们 会 去 从 这里 和 发射 这 分析器。 我已经 已经 完毕 那 超过 这里， 所以 我们 不 有 到 等待 为了 它 到 发射 或者 评估 多变的 重要性。
但 这里， 这 节目 我们 哪个 的 这些 因素 是 积极的。 我们 能 看 这 最多 积极的 因素， 和 尽管 它是 不是 制作 a 极好的 准确的 模型， 因为 再次 如果 你 记住， 我们 是 服用 二十五 运行 到 尝试 到 估计 二十七 不同的 因素。 如果 你 拿 a 看 这里 在 这 最多 流行 个， 这 能 在 至少 给 你 一个 主意 的 这 影响 的 每个 一 的 这些 因素。 全部 正确的， 所以 那 基本上 总和 向上 什么 停留 有 完毕。 它 只是 使 这 很多 更轻松 在 JMP 17， 和 我们 是 继续 到 提升 这些 事物 和 希望 那 这 工作流程 获取 更轻松 和 每个 发布 的 跳转。 感谢 你 为了 你的 注意力 和 希望 你 成立 这 讲话 信息丰富。
