こんにちは、 私の 名前 は ライアン パーカー、 そして 私は 興奮した に なれ ここ 今日
と 粘土 バーカー に 共有 と あなた いくつかの 新しい ツール それ 私たちは 追加した に ヘルプ あなた
分析する スペクトル データ と その 機能的 データ エクスプローラ で JMPプロ 17.
それで 何 する 私たちは 平均 による スペクトル データ？
私たちは 持っている a 多く の アプリケーション
から ケモメトリクス それ 持っている やる気のある a 多く の これ 仕事。
しかし I だろう ただ 始める オフ による 言って
だった 本当に 心配した について データ それ 持っている シャープ ピーク。
これ 5月 ない 必然的に なれ スペクトル データ、 しかし これら は その タイプ の データ
私たちが持っていた a 難しい 時間 モデリング で FE 上 に これ ポイント。
そして それで 私たちは 本当に 望んでいた に 集中 の上 試して
に 開ける 上 これら アプリケーション そして 作る それ a 多く より簡単に に ハンドル これら シャープ ピーク。
多分 潜在的 不連続性。
ただ これら 大きい、 波状 特徴 の データ。
どこ で これ 特定の 例、 と 分光法 データ、
だった 考え について 構成 の 材料、
そして これら ピーク できる 代表する これら 作曲、
そして 私たちは 欲しい に なれ できる に 試す に 定量化する それらの。
それで 別の 応用 質量分析から得られるものであり、
そして ここ あなた できる 見る これら とても シャープ ピーク。
彼らは 全て 以上 その 場所 で これら 違う 機能。
しかし これら ピーク は 代表する タンパク質 から これら スペクトル、
そして 彼らは できる ヘルプ あなた、 のために 例、
比較する 違い 間 もの から a 忍耐強い と 癌
そして 患者 それなし 癌 に 理解する 違い。
つまり、もう一度言いますが、
その 本当に 重要 それ 私たちは 試す に モデル これら ピーク 良い
それで それ 私たちは できる 定量化する これら 違い。
アン 例 それ 粘土 は 行く に 見せる 来る から クロマトグラフィー。
これ は どこ だった 試して に ...
で これ 場合、
私たちは 欲しい に 見て で 定量化 その 違い 間 一つの オリーブ 油
対 他の 野菜 オイル。
そして それで その コンポーネント の これら もの 代表される による 全て の これら ピーク、
私たちは 必要 に、 また、 試す に モデル これら 良い。
その 初め もの I 欲しい に カバー は 4つ 新しい ツール に 前処理 あなたの データ、
スペクトル データ 前に あなた 得る に その モデリング ステージ。
その 初め 1つ は その 標準 普通 バラエティ。
それで と その 標準 普通 バラエティ、 だった 考え について
標準化 それぞれ 関数 による 彼らの 個人 平均 そして 分散。
それで だった 行く に 取る 毎 関数 1つ で a 時間、
減算する オフ その 平均、 分ける による その 分散、
それで それ 彼らは 全て 持っている 平均 ゼロ そして 分散 1つ。
これ は 一つの 代替 に その 既存 道具 私たちは 持っている 標準化された、
どれの は ただ 見ている で a グローバル 平均 で 分散
それで それ その データ 彼ら自身 持っている された スケール、
しかし ある 側面、 のように 手段、 は まだ そこには、
一方 と その 標準 普通 バラエティ、 私たちは 欲しい に 取り除く それ のために 毎 関数。
その 次 ツールの 乗法S キャッター 修正。
それ は 似ている に 標準 普通 バラエティ、
その 結果 終わり 上 いる その 同じ、 似ている。
しかし で これ 場合、 だった 考え について データ どこ 私たちは 持っている ライト 散らばる。
それで いくつかの の これら スペクトル データ 来る どこ 私たちは 持っている に 心配 について
私たちの ライト 散らばる から 全て その 個人 機能 いる 違う
から a 参照 関数 それ だった 興味がある で。
いつもの これ は その 平均。
それで 何 良い する は 私たちは 意思 セット a 単純 モデル
間 その 個人 機能 に これ 平均 関数。
あなたが知っている、 係数を得る
それ 私たちは できる 減算する オフ これ 平均 特徴、
分ける による その スロープ 特徴、
得る 私たち に それ 似ている 標準化 その データ、
そして で これ 場合、 集中した の上 これ ライト 散らばる。
わかった、 それで で これ ポイント、
だった 考え について 何 もし 私たちは 持っている ノイズ で 私たちの データ？
何 もし 私たちは 必要 に スムーズ それ？
それで その モデル それ 私たちは 欲しい に フィット、 のために スペクトル データ、
これら ウェーブレット、 彼らは しない スムーズ その データ のために あなた。
それで もし あなた 持っている うるさい データ、 あなた 本当に 欲しい に 試す に ハンドル それ 初め、
そして それは どこ その サヴィツキー・ゴレイ フィルター 来る で。
何 これ は 行く に する は フィット n- 程度 多項式
以上 指定された 帯域幅
に 試す に 探す その 最高 モデル それ 意思 スムーズ あなたの データ。
それで 私たちは 検索 以上 a グリッド のために あなた、
選ぶ その 最高 1つ、 そして それから 現在 その 結果 に あなた。
そして I する 欲しい に 注記 それ その データ は 必須 に なれ の上 a 通常 グリッド、
しかし もし あなた しない 持っている 1つ、 FDE 意思 作成する 1つ のために あなた。
私たちは 持っている a 減らす オプション
それ あなた できる 使用 もし あなた 欲しい いくつかの より細かい コントロール 以上 これ、
しかし による デフォルト、
私たちは は 行く に 見て で その 最長 関数、
選ぶ それ として 私たちの 番号 の グリッド ポイント、
そして 作成する a 通常 グリッド から それ のために あなた。
しかし その ニース もの について その S アヴィツキー・ゴレイフィルタ
は なぜなら の その 工事 と これら 多項式、
私たちは 持っている 簡単 アクセス に その 初め または 2番 派生的な。
平 もし あなた しない 持っている スペクトル データ そして あなた 欲しい に 微分関数にアクセスする
これ 意思 なれ あなたの 経路 に する それ。
そして もし あなた する リクエスト、 言う、 その 2番 派生的な、
私たちの 検索 取得する 制約された に のみ 多項式
それは私たちが 与える あなた a 2番 派生的な、 のために 例。
しかし これ だろう なれ その 方法 に それにアクセスし、
平 もし あなた なかった 平 心配した について スムージング。
あなた できる 今 得る に デリバティブ。
その 最後 前処理 道具 病気 カバー は ベースライン 修正。
それで で ベースライン 修正、
あなた は 心配した について 持つ いくつかの 特徴 の あなたの データ
それ あなた だろう ただ 考慮する a ベースライン それ あなた 欲しい に 取り除く
前に あなた モデル あなたの データ。
それで その アイデア ここ は 私たちは 欲しい に フィット a ベースライン モデル。
私たちは 持っている リニア、 二次関数、 指数関数的なオプション
それで 私たちは 欲しい に フィット これ に 私たちの データ そして それから 減算する それ オフ。
しかし 私たちは 知る そこには は 重要 特徴、
通常 これら ピーク、
それで 私たちは 欲しい に ない 使用 それらの 部品 の その データ
いつ 私たちは 実は フィット これら ベースライン モデル。
それで 私たちは 持っている その オプション ここ のために 修正 地域。
I 考える のために その ほとんど 一部 あなた だろう おそらく 使用 全体 関数。
それで 何 これ ただ 手段 は、 何 一部 は 私たちは 行く に 減算する オフ？
それで もし あなた 選択 内で 地域
物だけ 内で これら 青 線 は 行く に なれ 減算されます。
しかし 私は すでに 追加した 4つ ここ。
毎 時間 あなた クリック 追加 の上 ベースライン地域、
あなたは 行く に 得る a ペア の これら 青 線 そして あなた できる ドラッグ 彼らを周りに
に その 重要 部品 の あなたの データ、 そして 何 これ 意思 する は、
いつ あなた 試す に フィット、 言う、 a リニア ベースライン モデル、
その 行く に 無視する その データ ポイント それ は 内で これら 二 青 行。
それで、 関数 1つ、 私たちは セット a リニア モデル、
しかし 私たちは 除外する 全て これら シャープ ピーク それ 私たちは 本当に 欲しい、
それ だった 興味がある で。
そして それで それから 私たちは 取る その 結果 から この線形モデル
そして 減算する それ オフ から その 全体 関数。
その 代替 に それ は 一つの アンカー ポイント、
そして それは もし あなた 言う、 I 本当に だろう のように
この特定の点について に なれ 含まれる で その ベースライン モデル。
いつもの これ は もし あなた 持っている 小さい データ
そして あなた 知る、 わかった、 I 欲しい これら 少し ポイント。
これら は 鍵。 これら 代表する その ベースライン。
もし I だった できる に フィットするよ 言う これらの点に対する二次モデル、
それは 何 I 欲しい に 減算する オフ。
それで その 一つの 代替。
いつ あなた クリック それらの、 彼らは 見せる 上 として 赤 として 一つの 代替 に これ 青。
しかし これ 意思 許可する あなた に 正しい あなたのデータ
取り除く その ベースライン 前に 進行中。
それで それ 取得する 私たち に どうやって 私たちは モデル スペクトル データ 今 で JMPプロ 17,
そして だった 使用して ウェーブレット。
その ニース もの について ウェーブレット は 私たちは 持っている a バラエティ の オプション に 選ぶ から。
それで これら グラフ 代表する 何 は と呼ばれる 母親 ウェーブレット
そして 彼らは は 使用済み に 構築する
その 基礎 それ 私たちは 使用、 それ モデル その データ。
それで その 最も単純な は この髪 ウェーブレット、 どれの は 本当に ただ ステップ 機能、
多分 難しい に 見る それ ここ、 しかし これら は ただ ステップ 機能。
しかし これ 双直交、 それ もっている a 多く の 少し ジャンプ
そして あなた できる 始める に 想像する、
わかった、 I できる 見る なぜ これら 作る それ a 多く より簡単に
に 捕獲 ピーク で 私の データ
他の よりも その 彼女 ウェーブレット。
全て これら 持っている パラメータ それ は 変化 その 形 そして その サイズ の これら、
それで 私は ただ 選択された a カップル ここ に ただ 見せる あなた その 違い。
しかし あなた できる 本当に 見る どこ、
わかった、 もし I 置く a 多く の これら 一緒に、
I できる 理解する なぜ これ は
おそらく a 多く より良い に モデル 全て これら ピーク の 私の データ。
そしてここに 一つの 例 に 説明する それ
と 1つ の 私たちの 新しい サンプル データ、
NMR デザイン の 実験。
それで これ は ただ から 1つ 関数 どこ さあ 始める と Bスプライン。
これ は 選別 の その 行く に のために ほとんど データ 場所 に 始める で FDE。
しかし 私たちは できる 見る それ その 本当に 持つ a 難しい 時間
ピッキング 上 の上 これら ピーク。
さて、 私たちは 持っている 提供された あなた ツール
に 変化 どこ 結び目は で これら 獣の線 モデル。
それで あなた できた する いくつかの カスタマイズ。
おそらく フィット これ a 多く より良い よりも その デフォルト。
しかし その アイデア は それ 今 あなたは 持っていた に 行く そして 動く 周りのもの
そして 多分 それ 作品 のために いくつかの 機能、 しかし ない その他、
そして あなた 必要 a もっと 自動化された 方法。
それで それは 1つ 代替 に それ は P-Sp 行。
それ は やっている それ a 少し 少し のために あなた、
しかし その まだ ない とても キャプチャ その ピーク 多分 として 良い として ウェーブレット。
その おそらく やっている その 最高 のために これらのデータ。
相対的 に ウェーブレット そして ほとんど a モデル -無料 アプローチ
どこ 私たちは モデル その データ ただ 直接 の上 私たちの 形 コンポーネント、
これ 直接 機能的 PCA。
その 多分 a 橋 間 Pスプライン そして Bスプライン
どこ その ない とても として 良い として P -スプライン しかし その より良い よりも B -スプライン
しかし これ は ただ a 素早い 例 に ハイライト
どうやって ウェーブレット できる 本当に なれ a 多く より速く そして 強力です。
何 は 私たちは やっている で FDE?
私たちは 構築する a バラエティ の ウェーブレットの種類
そして 彼らの 関連する パラメータ そして フィット 彼ら のために あなた。
それで 似ている に その S アヴィツキー・ゴレイフィルタ、
私たちは する 必要とする それ その データ は の上 a 通常 グリッド。
そして 良い ニュース、 良い 作成する 1つ のために あなた。
しかし の コース あなた できる 行く に 減らす その コントロール それ もし あなた だろう のように。
しかし 今 その ニース もの について 一度 データは の上 その グリッド、
私たちは できる 使用 a 変換 それは 素晴らしい 速い。
それで P -スプライン だろう また、 のために これら データ、
なれ 何 あなた だろう 本当に 欲しい に 持っている に 使用、
しかし、フィットするまでには長い時間がかかることがあります。
特に もし あなた 持っている a 多く の 機能
そして あなた 持っている a 多く の データ ポイント あたり 関数。
しかし 私たちの ウェーブレット モデル は 行く に 本質的に 最後
それで 全て の その 違う 基礎 機能
それ 構築する これ 特定の ウェーブレット タイプ と パラメータ
そして 何 それは 行く に 許可する 私たち に する は ただ 本当に 力
a 多く の それらの 係数 それ しない 本当に 平均 何でも に ゼロ
に ヘルプ 作成する a まばらな 表現 のために その モデル。
それで それらの 五 違う ウェーブレット 種類 それ I 示した 前に、
それらの は 利用可能、 そして 一度 私たちは フィット 彼ら 全て、
だった 行く に 構築する モデル 選択 基準
そして 選ぶ その 最高 のために あなた による デフォルト。
あなた できる クリック を通して これら として オプション に 見る 他の フィットします。
そして a 多く の 回 これら 初め 少し は 行く に 見て とても 似ている
そして その 本当に ただ a 案件 の、
そこには は ある アプリケーション どこ 彼らは 知る、
「わかった、私は 本当に 欲しい これ ウェーブレットタイプ
それで 彼らは 選ぶ その 最高 1つ の それ タイプ で その 使用終了。
それで その ニース もの について これら モデル は 彼らは 起こる の上 a 解決。
彼らは モデリング 違う 決議 の その データ。
それで 私たちは 持っている これら 係数 プロット どこ で その トップ 彼らは 表示中
低周波、 大きい 規模 トレンド、 のように 一つの 全体 平均、
そして として あなた 行く 下 で その...
または I 推測 あなた 行く 上 で その 決議、
しかし 下 で その プロット、
あなたは 行く に 見て で 高い -頻度 アイテム、
そして これら は 行く に なれ もの それ は ハプニング の上 とても 短い スケール、
それで あなた できる 見る どこ その ピッキング 上 a 多く の 違う 特徴。
で これ この場合、時間がかかります...
A 多く の これら は ゼロ のために その 最高 決議。
それで その ピッキング 上 いくつかの スケール それ は で その とても 終わり の これ 関数。
その ピッキング 上 いくつかの の これら 違い ここ。
しかし これ 与える あなた a センス の 親切 の どこ もの は 開催中
両方 位置 そして それから は それ 高周波 または 低周波
部品 の その データ。
それで その 最後 もの 私たちは 追加した に 完了 その ウェーブレット モデル
それは a 少し 少し 違う から 何 私たちは 持っている 今 は と呼ばれる ウェーブレット DOE。
それで もし あなたは 使用済み FDE 前に、
あなたは おそらく 試した 機能的 デザイン の 実験
そして それ は 行く に 許可する あなた に 取る 機能的 原理 構成要素のスコア、
接続する デザイン の 経験 要因 に その 形 の あなたの 機能。
しかし 今、 ウェーブレット モデル で 特定の、
彼らは 係数、 なぜなら 彼らは する 代表する 決議 そして 場所、
これら できる なれ もっと 解釈可能な そして 彼らは 持っている もっと 直接 インパクト
に 理解 何ですか ハプニング で その データ、
それ 5月 なれ a 機能的 原理 成分
ない として 簡単 に 接続する と。
私たちは 持っている これ エネルギー 関数 そして その 標準化された に 見せる あなた、
"わかった、 これ 解決 で 3.5インチ
ただ 代表する もっと の上 これ 終わり ポイント。
それは...
それは どこ その ほとんど 違い は で 全て の 私たちの 機能、
そして その 代表する について 12％。
それで あなた できる スクロール 下。
私たちは 行く 上 に どこ 私たちは 得る 90% の これ エネルギー、
どれの は ただ その 二乗 係数 価値観
それ 私たちは ただ 標準化された ここ。
しかし エネルギー は ただ どうやって 大きい これらの係数は
相対的 に すべて それ以外？
しかし これ、 似ている に 機能的 DOE、
あなた できる 変化 その 要因、 見る どうやって その 形 変更、
そして 私たちは 持っている 症例 どこ 両方 ウェーブレット DOE
そして 機能的 DOE うまく機能します。
時々 ウェーブレットDOE ただ 得る その 構造 より良い。
しない 許可する のために いくつかの 多分 ネガティブ ポイント
それ 機能的 DOE かもしれない 許可する で これ 例。
それで その ただ 彼らは 両方 そこには、 彼らは 両方 速い。
つまり、あなたは できる 使用 両方 の 彼ら に 試す に 分析する その 結果 の ウェーブレット モデル。
しかし それは 私の 素早い 概要。
それで 今 I ただ 欲しい に 振り向く それ 以上 に 粘土 に 見せる あなた いくつかの 例
ウェーブレットの使用 モデル と いくつかの 例 データ セットします。
ありがとう、 ライアン。
それで、 として ライアン 示した 以前、 私たちは 見つかった 一つの 例
どこ 皆さん だった 試して に 使用 ケモメトリクス 方法
に 分類する 違う 野菜 オイル。
それで 私は 得た その データ セット 開いた 上 ここ。
ここ 私たちは 持っている 私たちの それぞれ 行 の その データ セット は a 関数、
それで それぞれ 行 で その データ セット を表す a 特定の 油、
そして として 私たちは 行く 横切って その テーブル、 それは その クロマトグラム。
それで 私は 開いた これ 上 で FDE ただ に 保存 a 少し 分。
その ウェーブレット フィッティング は 本当に 速い、
しかし I 考えた 私たちは ただ 行く 先に そして 始める と その フィット 開ける。
それで ここは 何 私たちの データ セット 見た目 のように。
あなた できる 見る それらの 赤 曲線 は オリーブ オイル。
その 緑 曲線 は ない オリーブ オイル。
それで 私たちは できる 見る そこには 絶対に いくつかの 違い
間 その 二 違う 種類 の オイル そして 彼らの クロマトグラム。
それで、 として ライアン 言った、 私たちは ただ 行く に その 赤い三角のメニュー
そして 私たちは 聞く のために ウェーブレット そして それ 意思 選ぶ その 最高 ウェーブレット のために あなた。
しかし のように I 言った、 私は すでに 終わり それ、
それで 私たちは できる スクロール 下 そして 見て で その フィット。
ここ 私たちは 見る その 最高 ウェーブレット それ 私たちは 見つかった だった と呼ばれる その シムレット20、
そして 私たちは 得た グラフ の それぞれ フィット ここ 要約 のために あなた。
として あなた できる 見る、 その ウェーブレット 持っている フィット これら データ 本当に 良い。
しかし で これ 場合、
だった ない ひどく 興味がある で フィッティング その 個人 フィットします。
私たちは 欲しい に 見る もし 私たちは できる 使用 これら 個人 クロマトグラム
に 予測する かどうか または ない 一つの 油 は 一つの オリーブ 油 または ない 一つの オリーブ 油。
それで 何 私たちは できる する は、
私たちは できる 保存 外 これら ウェーブレット 係数、
どれの 私たちは 得た a 大きい テーブル ここ、 そして そこには 数千 の 彼ら。
で 事実、 そこには 1つ のために 毎 ポイント で 私たちの 関数。
それで ここ 私たちは 得た 4,000 ポイント で それぞれ 関数。
これ テーブル は かわいい 巨大な。 そこには 4,000 ウェーブレット 係数。
しかし として ライアン だった と言って、 あなた できる 見る それ 私たちは ゼロ化された いくつかの の 彼ら 外。
それで これら ウェーブレット 係数 落とす 外 の その 関数。
それで それは どうやって 私たちは 得る スムージング。
私たちは フィット 私たちの データ 本当に 良い、
しかし ゼロイン 外 いくつかの の それらの 係数 は 何 滑らかにする その 関数の出力。
それで どうやって できる 私たちは 使用 これら 価値観 に 予測する かどうか または ない 私たちは 持っている 一つの オリーブ 油？
良い、 あなた できる 来る ここ に その 関数 要約 そして 聞く のために 保存 要約。
それで 何 その 終わり は それ 保存 外 その 機能的 主要 コンポーネント。
しかし ここ で その 終わり の その テーブル、 それ また 保存 外 これら ウェーブレット 係数。
それで これら は その ちょうど 同じ 価値観
私たちが見た で それ ウェーブレット 係数 テーブル で その プラットフォーム。
それで させて 自分 近い これ 1つ。
私は 得た 私の 自分の キューに入れられた 上 ただ それで それ I しない 持っている 何でも 予想外の 起こる。
それで ここは 私の バージョン の それ テーブル。
そして 何 私たちは 欲しい に する は 私たちは 欲しい に 使用
全て の これら ウェーブレット 係数 に 予測する かどうか
その 曲線 は から 一つの オリーブ 油 または から a 違う タイプ の 油。
それで 何 私は 行く に する は、
私は 行く に 打ち上げ その 一般化された 回帰 プラットフォーム、
そして もし あなたは これまで 使用済み それ 前に、
その その 場所 私たちは 行く に 建てる リニア モデル そして 一般化する リニア モデル
使用して バラエティ の 違う 変数 選択 テクニック。
それで ここ 私の 応答 は タイプ。
I 欲しい に 予測する 何 タイプ の 油 私たちが見ているのは
そして I 欲しい に 予測する それ 使用して 全て の それらの ウェーブレット 係数。
それで I プレス 走る。
で これ 場合、 私は 行く に 使用 その 弾性ネット
なぜなら それ 起こる に なれ 私の お気に入り 変数 選択 方法。
そして 私は 行く に プレス 行く。
それで 本当に 素早く、 私たちは 取った 全て それらの ウェーブレット 係数
そして 私たちは 持っている 見つかった その もの それ 本当に する a 良い 仕事 の 差別化
間 オリーブ オイル そして 非 -オリーブ オイル。
それで で 事実、 もし 私たちは 見て で その 混乱 マトリックス、
どれの は、 これ は a 方法 に 見て で どうやって 頻繁 私たちは 予測する きちんと、 右？
それで のために 全て 49 他の オリーブ オイル、
私たちは 正しく 特定された それらの として ない オリーブ オイル。
そして のために 全て 71 オリーブ オイル、 私たちは 正しく 特定された それらの として オリーブ オイル。
それで 私たちは 実は 予測された これら 完璧に
そして 私たちは のみ 必要 a かわいい 小さい サブセット の それらの ウェーブレット 係数。
それで I しなかった カウント、 しかし それ 見た目 のように について a ダース。
それで 私たちは 開始 と 数千 の ウェーブレット 係数 そして 私たちは 茹でた それ 下
ただ 12 または それで それ だった 役に立つ のために 予測する 私たちの 応答。
それで 何 I 考える は 本当に いいね は、
私たちは できる 解釈する これら ウェーブレット 係数 に 一つの 範囲、 右？
それで これ 係数 ここ は 解決 二 で 位置 3001。
それで それ 伝える 私たち そこには 何か 行く の上 で それ 一部 の その 曲線
差別化に役立つ 間 オリーブ オイル そして ない オリーブ オイル。
それで 何 私は 終わり は、
私は また 作成された a グラフ の 私たちの データ 使用して...
良い、 あなたは 見る。
それで 何 私は 終わり は ここ その 青 曲線 は その オリーブ オイル。
その 赤 曲線 は その 非 -オリーブ オイル、
そして これ は その 平均 クロマトグラム。
それで 平均化 以上 全て の 私たちの サンプル。
そして これら 破線 線 は その 場所
どこ その ウェーブレット 係数 は ゼロ以外。
それで これら は その もの それ は 役に立つ のために 差別的な 間 オイル。
そして として あなた できる 見る、 いくつかの の これら ゼロ以外 係数 ライン 上 と ピーク
そして その データ それ 本当に 傾向がある に 作る センス、 右？
さて、ここに、
ここは 1つ の その 非 -ゼロ 係数、 そして あなた できる 教えて その 右 で a ピーク
どこ オリーブ 油 は ピーク、 しかし オリーブ以外 オイル は ない、 右？
それで それ 5月 なれ 意味のある に 誰か
それ 研究 クロマトグラフィー そして オリーブ オイル で 特定の。
しかし それで 私たちは のように これ 例 なぜなら
その a 本当に 良い 例 の どうやって ウェーブレット フィット これら クロマトグラム 本当に 良い。
そして それから 私たちは できる 使用 その ウェーブレット 係数 に する 何か それ以外、 右？
それで ない のみ 持っている 私たちは フィット その 曲線 本当によく、
しかし それから 私たちは 撮影 その 情報 から それらの 曲線
そして 私たちは 終わり a 本当に 良い 仕事 の 差別的な 間 違う オイル。
そして それで 私は 得た 1つ もっと 例。
ライアン そして I は 両方 大きい ファン の ディズニー 世界、
それで これ は ない a クロマトグラム。
これ は ない 分光法。
しかし その代わり 私たちは 見つかった a データ セット それ 見た目 で 待って 回 で ディズニー 世界、
それで 私たちは ダウンロード済み a サブセット の 待って 回
のために a 乗る と呼ばれる ディズニーの その セブン ドワーフ、 心 電車。
そして もし あなたは これまで された に ディズニー 世界、
あなた 知る その a 本当に いいね ローラー コースター 右 そこには で ファンタジーランド。
しかし それ また 傾向がある に 持っている 本当に 長さ 待って 何回もあるでしょう？
あなた 過ごす a 多く の 時間 待っている あなたの 振り向く。
それで 私たちは 望んでいた に 見る もし 私たちは できた 使用 ウェーブレット に 分析する これら データ
そして使用する その ウェーブレット DOE 関数 に 見る もし 私たちは できる 形 外
もし そこには 日数 の その 数週間 または ヶ月 または 年
どこ 待って 回 は 特に 高い または 低い。
それで 私たちは できる 打ち上げ FDE。
ここで できる ほら、私たちは
それぞれ 日 で 私たちの データ セット、 私たちは 持っている その 待って 回
その時から その 公園 開く、 ここ、
に その 時間 それ その 公園 閉まる 以上 ここ。
そして に 作る これ デモ a 少し 少し より簡単に、
私たちは 巧妙な その データ セット に クリーン それ 上 いくつかの。
それで これ は ない その通り その データ、
しかし I 考える いくつかの の その トレンド それ だった 行く に 見る は まだ 真実。
それで 何 私は 行く に する は 私は 行く に 聞く のために ウェーブレット、
そして それは 取る a 2番 に 走る、 しかし ない あまりにも 長さ。
それで 今 私たちは 見つかった それ a 違う 基礎 関数 は その 最高。
その ドーブシー家 20
そして I 謝る もし I しなかった 発音する それ 右。
私は された 避ける 発音する それ 言葉 で 公共、
しかし 今 それは ない その 場合 もう。
それで 私たちは 見つかった それは 私たちの お気に入り ウェーブレット そして 何 だった 行く に する
は だった 行く に 行く に その ウェーブレット DOE 分析、
そして その 行く に 使用 これら 補足 変数
それ 私たちは 指定された 日 の その 週、 年 そして 月
できるかどうか確認する 探す トレンド で 私たちの 曲線 使用して それらの 変数。
それで 良い 聞く のために ウェーブレット DOE、
そして何が ハプニング で その 背景 は だった モデリング それらの ウェーブレット 係数
使用して その 一般化された 回帰 プラットフォーム、 それで それは ハプニング 後ろに その シーン、
そして それから それ 意思 置く それ 全て 一緒に で a プロファイラー のために 私たち。
それで ここ 私たちは ほら、 これ は 私たちの 時間 の 日 変数。
私たちは できる 見る それ で その 朝。
その 待って 回 選別 の 始める、 ご存知のとおり、 一つの 時間。
それ 取得する より長い 全体を通して その 日、 あなたが知っている、
ピーク で について 80 分、 ほとんど 一つの 時間 そして a 半分 待って。
そして それから、 として あなた だろう 期待する、
として その 日 行く の上 そして 子供たち 得る 疲れた そして 行く に ベッド、
待って 回 得る a 少し 少し 短い それまで その 終わり の その 日。
今、 何 私たちは 考え だった 面白い
見ている で いくつかの の これら 効果、 のように 年 そして 月。
それで 私たちは できる 見る で 2015年、 その 待って 回 選別 の 徐々に 行った 上、 右、 それまで 2020年。
そして それから 何 起こった で 2020年？ 彼らは 増加した で 2月、
そして、衝撃的なことに、 彼らは 落とされた とても a 少し で 行進 そして 4月。
そして I 考える 私たちは 全て 知る なぜ それ かもしれない 持っている 起こった で 2020年。
なぜなら の COVID、 少ない 人々 だった 行く に ディズニー 世界。
で 事実、 それ だった シャット 下 のために a その間。
それで あなた できる とても 明らかに 見る a COVID 効果 の上 ディズニー 世界 待って 回
本当に 素早く 使用して ウェーブレット DOE。
1つ の その 他の もの それは 面白い
は 私たちは できる 見て で 何 時間 の 年 は 最高 に 行く。
それ 見た目 のように 待って 回 傾向がある に なれ より低い で 9月、
そして 以来 ディズニー 世界 は で フロリダはね
それは ピーク ハリケーン 季節、 そして 子供たち しない 傾向がある に なれ 外 の 学校。
それで その 本当に いいね に 見る それ 私たちの モデル 選んだ それ 上 かわいい 簡単ですよね？
だから、でも しない 始める 行く に ディズニー 世界 で 9月。
それは 私たちの 時間。 私たちは しない 欲しい それ 取得 混雑した。
しかし うん、 それで と ただ a 少し クリック、 私たちは だった できる
に 学ぶ とても a 少し もの について 待って 回、
セブン ドワーフ 私の 電車 で ディズニー。
しかし 私たちは 本当に 望んでいた に ハイライト
これらの方法は 集中した の上 クロマトグラフィー そして 分光法、
しかし そこには a 多く の アプリケーション どこ あなた できる 使用 ウェーブレット、
そして I 考える それは 全て 私たちは 持っている。
それで 感謝 あなた。 そして感謝する あなた、 ライアン。
