你好， 我的 姓名 是 瑞安 帕克， 和 我是 兴奋的 到 是 这里 今天
和 黏土 巴克 到 分享 和 你 一些 新的 工具 那 我们已经 额外 到 帮助 你
分析 光谱 数据 和 这 功能 数据 探险家 在 JMP专业版 17.
所以 什么 做 我们 意思是 经过 光谱 数据？
我们 有 a 很多 的 应用程序
从 化学计量学 那 有 有动力 a 很多 的 这 工作。
但 I 会 只是 开始 离开 经过 说
是 真的 担心 关于 数据 那 有 锋利的 山峰。
这 可能 不是 一定 是 光谱 数据， 但 这些 是 这 类型 的 数据
我们已经 a 难的 时间 造型 在 FE 向上 到 这 观点。
和 所以 我们 真的 通缉 到 重点 在 尝试
到 打开 向上 这些 应用程序 和 制作 它 a 很多 更轻松 到 处理 这些 锋利的 山峰。
或许 潜在的 不连续性。
只是 这些 大的， 波浪形 特征 的 数据。
在哪里 在 这 具体的 例子， 和 光谱学 数据，
是 思维 关于 作品 的 材料，
和 这些 峰 能 代表 这些 作品，
和 我们 想 到 是 有能力的 到 尝试 到 量化 那些。
所以 其他 应用 来自质谱，
和 这里 你 能 看 这些 非常 锋利的 山峰。
他们是 全部 超过 这 地方 在 这些 不同的 功能。
但 这些 峰 是 代表 蛋白质 从 这些 光谱，
和 他们 能 帮助 你， 为了 例子，
比较 差异 之间 事物 从 a 病人 和 癌症
和 患者 没有 癌症 到 理解 差异。
我的意思是，
它是 真的 重要的 那 我们 尝试 到 模型 这些 峰 出色地
所以 那 我们 能 量化 这些 差异。
一个 例子 那 黏土 是 去 到 展示 来 从 色谱法。
这 是 在哪里 是 尝试 到 ...
在 这 案件，
我们 想 到 看 在 量化 这 不同之处 之间 一个 橄榄 油
相对 其他 蔬菜 油。
和 所以 这 成分 的 这些 事物 代表 经过 全部 的 这些 山峰，
我们 需要 到， 再次， 尝试 到 模型 这些 出色地。
这 第一的 事物 I 想 到 覆盖 是 四 新的 工具 到 预处理 你的 数据，
光谱 数据 前 你 得到 到 这 造型 阶段。
这 第一的 一 是 这 标准 普通的 种类。
所以 和 这 标准 普通的 种类， 是 思维 关于
标准化 每个 功能 经过 他们的 个人 意思是 和 方差。
所以 是 去 到 拿 每一个 功能 一 在 a 时间，
减去 离开 这 意思是， 划分 经过 这 方差，
所以 那 他们 全部 有 意思是 零 和 方差 一。
这 是 一个 选择 到 这 现存的 工具 我们 有 标准化，
哪个 是 只是 寻找 在 a 全球的 意思是 在 方差
所以 那 这 数据 他们自己 有 到过 缩放，
但 肯定 方面， 喜欢 方法， 是 仍然 那里，
然而 和 这 标准 普通的 种类， 我们 想 到 消除 那 为了 每一个 功能。
这 下一个 工具 乘法S 卡特 更正。
它 是 相似的 到 标准 普通的 种类，
这 结果 结尾 向上 存在 这 相同的， 相似的。
但 在 这 案件， 是 思维 关于 数据 在哪里 我们 有 光 分散。
所以 一些 的 这些 光谱 数据 来 在哪里 我们 有 到 担心 关于
我们的 光 分散 从 全部 这 个人 函数 存在 不同的
从 a 参考 功能 那 是 感兴趣的 在。
通常 这 是 这 意思是。
所以 什么 出色地 做 是 我们 将要 放 a 简单的 模型
之间 这 个人 函数 到 这 意思是 功能。
你知道， 我们将得到系数
那 我们 能 减去 离开 这 意思是 特征，
划分 经过 这 坡 特征，
得到 我们 到 那 相似的 标准化 这 数据，
和 在 这 案件， 专注 在 这 光 分散。
好的， 所以 在 这 观点，
是 思维 关于 什么 如果 我们 有 噪音 在 我们的 数据？
什么 如果 我们 需要 到 光滑的 它？
所以 这 模型 那 我们 想 到 合身， 为了 光谱 数据，
这些 小波， 他们 不 光滑的 这 数据 为了 你。
所以 如果 你 有 嘈杂 数据， 你 真的 想 到 尝试 到 处理 那 第一的，
和 那是 在哪里 这 萨维茨基-戈莱 筛选 来 在。
什么 这 是 去 到 做 是 合身 正 程度 多项式
超过 指定的 带宽
到 尝试 到 寻找 这 最好的 模型 那 将要 光滑的 你的 数据。
所以 我们 搜索 超过 a 网格 为了 你，
挑选 这 最好的 一， 和 然后 展示 这 结果 到 你。
和 I 做 想 到 笔记 那 这 数据 是 必需的 到 是 在 a 常规的 网格，
但 如果 你 不 有 一， 频域扩展 将要 创造 一 为了 你。
我们 有 a 减少 选项
那 你 能 使用 如果 你 想 一些 更精细 控制 超过 这，
但 经过 默认，
我们 是 去 到 看 在 这 最长 功能，
选择 那 作为 我们的 数字 的 网格 点，
和 创造 a 常规的 网格 从 那 为了 你。
但 这 好的 事物 关于 这 S Avitzky-Golay滤波器
是 因为 的 这 建造 和 这些 多项式，
我们 有 简单的 使用权 到 这 第一的 或者 第二 衍生物。
甚至 如果 你 不 有 光谱 数据 和 你 想 到 访问导数函数
这 将要 是 你的 通路 到 做 那。
和 如果 你 做 要求， 说， 这 第二 衍生物，
我们的 搜索 获取 受限 到 仅有的 多项式
这将使我们能够 给 你 a 第二 衍生物， 为了 例子。
但 这 会 是 这 方式 到 访问该
甚至 如果 你 不是 甚至 担心 关于 平滑。
你 能 现在 得到 到 衍生品。
这 最后的 预处理 工具 患病的 覆盖 是 基线 更正。
所以 在 基线 更正，
你 是 担心 关于 拥有 一些 特征 的 你的 数据
那 你 会 只是 考虑 a 基线 那 你 想 到 消除
前 你 模型 你的 数据。
所以 这 主意 这里 是 我们 想 到 合身 a 基线 模型。
我们 有 线性， 二次函数， 为您提供指数期权，
所以 我们 想 到 合身 这 到 我们的 数据 和 然后 减去 它 离开。
但 我们 知道 那里 是 重要的 特征，
通常 这些 山峰，
所以 我们 想 到 不是 使用 那些 部分 的 这 数据
什么时候 我们 实际上 合身 这些 基线 模型。
所以 我们 有 这 选项 这里 为了 更正 地区。
I 思考 为了 这 最多 部分 你 会 可能 使用 全部的 功能。
所以 什么 这 只是 方法 是， 什么 部分 是 我们 去 到 减去 离开？
所以 如果 你 选择 之内 区域
只有东西 之内 这些 蓝色的 线 是 去 到 是 已减去。
但 我已经 已经 额外 四 这里。
每一个 时间 你 点击 添加 在 基线区域，
你是 去 到 得到 a 一对 的 这些 蓝色的 线 和 你 能 拖 他们周围
到 这 重要的 部分 的 你的 数据， 和 什么 这 将要 做 是，
什么时候 你 尝试 到 合身， 说， a 线性 基线 模型，
它是 去 到 忽略 这 数据 点 那 是 之内 这些 二 蓝色的 線。
所以， 功能 一， 我们 放 a 线性 模型，
但 我们 排除 全部 这些 锋利的 峰 那 我们 真的 想，
那 是 感兴趣的 在。
和 所以 然后 我们 拿 这 结果 从 这个线性模型
和 减去 它 离开 从 这 所有的 功能。
这 选择 到 那 是 一个 锚 观点，
和 那是 如果 你 说， I 真的 会 喜欢
对于这个特定点 到 是 包括 在 这 基线 模型。
通常 这 是 如果 你 有 更小 数据
和 你 知道， 好的， I 想 这些 很少 點。
这些 是 钥匙。 这些 代表 这 基线。
如果 I 是 有能力的 到 适合，你知道， 说一个 这些点的二次模型，
那是 什么 I 想 到 减去 离开。
所以 它是 一个 选择。
什么时候 你 点击 那些， 他们会 展示 向上 作为 红色的 作为 一个 选择 到 这 蓝色的。
但 这 将要 允许 你 到 正确的 您的数据
消除 这 基线 前 進行。
所以 那 获取 我们 到 如何 我们 模型 光谱 数据 现在 在 JMP专业版 17，
和 是 使用 小波。
这 好的 事物 关于 小波 是 我们 有 a 种类 的 选项 到 选择 从。
所以 这些 图表 代表 什么 是 称为 母亲 小波
和 他们 是 用过的 到 构造
这 基础 那 我们 使用， 那 模型 这 数据。
所以 这 最简单的 是 这头发 小波， 哪个 是 真的 只是 步 函数，
或许 难的 到 看 那 这里， 但 这些 是 只是 步 功能。
但 这 双正交， 它 有 a 很多 的 小的 跳跃
和 你 能 开始 到 想象，
好的， I 能 看 为什么 这些 制作 它 a 很多 更轻松
到 捕获 峰 在 我的 数据
其他 比 这 她 小波。
全部 这些 有 参数 那 是 改变 这 形状 和 这 尺寸 的 这些，
所以 我已经 只是 已选择 a 夫妻 这里 到 只是 展示 你 这 差异。
但 你 能 真的 看 在哪里，
好的， 如果 I 放 a 很多 的 这些 一起，
I 能 理解 为什么 这 是
大概 a 很多 更好的 到 模型 全部 这些 峰 的 我的 数据。
所以这是 一个 例子 到 阐明 那
和 一 的 我们的 新的 样本 数据，
核磁共振 设计 的 实验。
所以 这 是 只是 从 一 功能 在哪里 让我们 开始 和 B 样条线。
这 是 种类 的 这 去 到 为了 最多 数据 地方 到 开始 在 FDE。
但 我们 能 看 那 它是 真的 拥有 a 难的 时间
采摘 向上 在 这些 山峰。
现在， 我们 有 假如 你 工具
到 改变 在哪里 结位于 在 这些 野兽线 模型。
所以 你 可以 做 一些 定制。
大概 合身 这 a 很多 更好的 比 这 默认。
但 这 主意 是 那 现在 你已经 有 到 去 和 移动 周围事物
和 或许 它 作品 为了 一些 函数， 但 不是 其他的，
和 你 需要 a 更多的 自动化 方式。
所以 那是 一 选择 到 那 是 P-Sp 線。
那 是 正在做 那 a 小的 少量 为了 你，
但 它是 仍然 不是 相当 捕获 这 峰 或许 作为 出色地 作为 小波。
它是 大概 正在做 这 最好的 为了 这些数据。
相对的 到 小波 和 几乎 a 模型 -自由的 方法
在哪里 我们 模型 这 数据 只是 直接地 在 我们的 形状 成分，
这 直接的 功能 主成分分析。
它是 或许 a 桥 之间 P样条函数 和 B样条函数
在哪里 它是 不是 相当 作为 好的 作为 P -样条线 但 它是 更好的 比 B -样条线
但 这 是 只是 a 快的 例子 到 强调
如何 小波 能 真的 是 a 很多 更快 和 强大的。
什么 是 我们 正在做 在 FDE？
我们 构造 a 种类 的 小波类型
和 他们的 联系 参数 和 合身 他们 为了 你。
所以 相似的 到 这 S avitzky-Golay滤波器，
我们 做 要求 那 这 数据 是 在 a 常规的 网格。
和 好的 消息， 出色地 创造 一 为了 你。
但 的 课程 你 能 去 到 减少 这 控制 那 如果 你 会 喜欢。
但 现在 这 好的 事物 关于 一次 数据是 在 这 网格，
我们 能 使用 a 转型 那是 极好的 快速地。
所以 P -样条线 会 还， 为了 这些 数据，
是 什么 你 会 真的 想 到 有 到 使用，
但它们可能需要很长时间才能适应，
尤其 如果 你 有 a 很多 的 函数
和 你 有 a 很多 的 数据 点 每 功能。
但 我们的 小波 模型 是 去 到 本质上 最后的
所以 全部 的 这 不同的 基础 函数
那 构造 这 特别的 小波 类型 和 范围
和 什么 那是 去 到 允许 我们 到 做 是 只是 真的 力量
a 很多 的 那些 系数 那 不 真的 意思是 任何事物 到 零
到 帮助 创造 a 疏 表示 为了 这 模型。
所以 那些 五 不同的 小波 类型 那 I 显示 前，
那些 是 可用的， 和 一次 我们 合身 他们 全部，
是 去 到 构造 模型 选择 标准
和 选择 这 最好的 为了 你 经过 默认。
你 能 点击 通过 这些 作为 选项 到 看 其他 适合。
和 a 很多 的 次 这些 第一的 很少 是 去 到 看 非常 相似的
和 它是 真的 只是 a 事情 的，
那里 是 肯定 应用程序 在哪里 他们 知道，
“好吧，我 真的 想 这 小波类型，”
所以 他们会 挑选 这 最好的 一 的 那 类型 在 这 结束使用。
所以 这 好的 事物 关于 这些 模型 是 他们 发生 在 a 解决。
他们是 造型 不同的 决议 的 这 数据。
所以 我们 有 这些 系数 情节 在哪里 在 这 顶部 他们是 显示
低频， 更大 规模 趋势， 喜欢 一个 全面的 意思是，
和 作为 你 去 向下 在 这...
或者 I 猜测 你 去 向上 在 这 决议，
但 向下 在 这 阴谋，
你是 去 到 看 在 高的 -频率 项目，
和 这些 是 去 到 是 事物 那 是 正在发生 在 非常 短的 秤，
所以 你 能 看 在哪里 它是 采摘 向上 a 很多 的 不同的 特征。
在 这 案例，它正在采取...
A 很多 的 这些 是 零 为了 这 最高 决议。
所以 它是 采摘 向上 一些 秤 那 是 在 这 非常 结尾 的 这 功能。
它是 采摘 向上 一些 的 这些 差异 这里。
但 这 给出 你 a 感觉 的 种类 的 在哪里 事物 是 发生在
两个都 地点 和 然后 是 那 高频 或者 低频
部分 的 这 数据。
所以 这 最后的 事物 我们已经 额外 到 完全的 这 小波 模型
那是 a 小的 少量 不同的 从 什么 我们 有 现在 是 称为 小波 美国能源部。
所以 如果 你已经 用过的 频域扩展 前，
你已经 可能 尝试过 功能 设计 的 实验
和 那 是 去 到 允许 你 到 拿 功能 原则 各部分分数，
连接 设计 的 经验 因素 到 这 形状 的 你的 功能。
但 现在， 小波 模型 在 特别的，
他们是 系数， 因为 他们 做 代表 决议 和 地点，
这些 能 是 更多的 可解释的 和 他们 有 更多的 直接的 影响
到 理解 什么是 正在发生 在 这 数据，
那 可能 是 a 功能 原则 成分
不是 作为 简单的 到 连接 和。
我们 有 这 活力 功能 和 它是 标准化 到 展示 你，
“好的， 这 解决 在 3.5英寸
只是 代表 更多的 在 这 结尾 观点。
那将会有...
那是 在哪里 这 最多 差异 是 在 全部 的 我们的 函数，
和 它是 代表 关于 12%。
所以 你 能 滚动 向下。
我们 去 向上 到 在哪里 我们 得到 90% 的 这 活力，
哪个 是 只是 这 平方 系数 价值观
那 我们 只是 标准化 这里。
但 活力 是 只是 如何 大的 这些系数
相对的 到 一切 别的？
但 这， 相似的 到 功能 美国能源部，
你 能 改变 这 因素， 看 如何 这 形状 变化，
和 我们 有 案例 在哪里 两个都 小波 美国能源部
和 功能 美国能源部 工作良好。
有时 小波DOE 只是 得到 这 结构 更好的。
没有 允许 为了 一些 或许 消极的 点
那 功能 美国能源部 可能 允许 在 这 例子。
所以 它是 只是 他们是 两个都 那里， 他们是 两个都 快速地。
我的意思是，你 能 使用 两个都 的 他们 到 尝试 到 分析 这 结果 的 小波 模型。
但 那是 我的 快的 概述。
所以 现在 I 只是 想 到 转动 它 超过 到 黏土 到 展示 你 一些 示例
使用小波 模型 和 一些 例子 数据 套。
谢谢， 瑞安。
所以， 作为 瑞安 显示 早些时候， 我们 成立 一个 例子
在哪里 乡亲们 是 尝试 到 使用 化学计量学 方法
到 分类 不同的 蔬菜 油。
所以 我已经 得到 这 数据 放 打开 向上 这里。
这里 我们 有 我们的 每个 排 的 这 数据 放 是 a 功能，
所以 每个 排 在 这 数据 放 代表 a 特别的 油，
和 作为 我们 去 穿过 这 桌子， 那是 这 色谱。
所以 我已经 打开 这 向上 在 频域扩展 只是 到 节省 a 很少 分钟。
这 小波 配件 是 真的 快速地，
但 I 想象 我们会 只是 去 前方 和 开始 和 这 合身 打开。
所以 这是 什么 我们的 数据 放 看起来 喜欢。
你 能 看 那些 红色的 曲线 是 橄榄 油。
这 绿色的 曲线 是 不是 橄榄 油。
所以 我们 能 看 有 确实 一些 差异
之间 这 二 不同的 种类 的 油 和 他们的 色谱图。
所以， 作为 瑞安 说， 我们 只是 去 到 这 红色三角形菜单
和 我们 问 为了 小波 和 它 将要 挑选 这 最好的 小波 为了 你。
但 喜欢 I 说， 我已经 已经 完毕 那，
所以 我们 能 滚动 向下 和 看 在 这 合身。
这里 我们 看 这 最好的 小波 那 我们 成立 曾是 称为 这 Symlet 20，
和 我们已经 得到 图表 的 每个 合身 这里 总结 为了 你。
作为 你 能 看， 这 小波 有 合身 这些 数据 真的 出色地。
但 在 这 案件，
是 不是 可怕 感兴趣的 在 配件 这 个人 适合。
我们 想 到 看 如果 我们 能 使用 这些 个人 色谱图
到 预测 无论 或者 不是 一个 油 是 一个 橄榄 油 或者 不是 一个 橄榄 油。
所以 什么 我们 能 做 是，
我们 能 节省 出去 这些 小波 系数，
哪个 我们已经 得到 a 大的 桌子 这里， 和 有 数千 的 他们。
在 事实， 有 一 为了 每一个 观点 在 我们的 功能。
所以 这里 我们已经 得到 4,000 点 在 每个 功能。
这 桌子 是 漂亮的 巨大的。 有 4,000 小波 系数。
但 作为 瑞安 曾是 说， 你 能 看 那 我们已经 归零 一些 的 他们 出去。
所以 这些 小波 系数 降低 出去 的 这 功能。
所以 那是 如何 我们 得到 平滑。
我们 合身 我们的 数据 真的 出色地，
但 归零 出去 一些 的 那些 系数 是 什么 平滑 这 功能出来了。
所以 如何 能 我们 使用 这些 价值观 到 预测 无论 或者 不是 我们 有 一个 橄榄 油？
出色地， 你 能 来 这里 到 这 功能 摘要 和 问 为了 节省 摘要。
所以 什么 它是 完毕 是 它 保存 出去 这 功能 主要的 成分。
但 这里 在 这 结尾 的 这 桌子， 它 还 保存 出去 这些 小波 系数。
所以 这些 是 这 精确的 相同的 价值观
我们看到的 在 那 小波 系数 桌子 在 这 平台。
所以 让 我 关闭 这 一。
我已经 得到 我的 自己的 排队 向上 只是 所以 那 I 不 有 任何事物 意外 发生。
所以 这是 我的 版本 的 那 桌子。
和 什么 我们 想 到 做 是 我们 想 到 使用
全部 的 这些 小波 系数 到 预测 无论
这 曲线 是 从 一个 橄榄 油 或者 从 a 不同的 类型 的 油。
所以 什么 我是 去 到 做 是，
我是 去 到 发射 这 广义的 回归 平台，
和 如果 你已经 曾经 用过的 那 前，
它是 这 地方 我们 去 到 建造 线性 模型 和 概括 线性 模型
使用 种类 的 不同的 多变的 选择 技术。
所以 这里 我的 回复 是 类型。
I 想 到 预测 什么 类型 的 油 我们正在看
和 I 想 到 预测 它 使用 全部 的 那些 小波 系数。
所以 I 按 跑步。
在 这 案件， 我是 去 到 使用 这 弹性网络
因为 那 发生 到 是 我的 最喜欢的 多变的 选择 方法。
和 我是 去 到 按 去。
所以 真的 迅速地， 我们 拿了 全部 那些 小波 系数
和 我们 有 成立 这 一 那 真的 做 a 好的 工作 的 区分
之间 橄榄 油 和 非 ·橄榄 油。
所以 在 事实， 如果 我们 看 在 这 困惑 矩阵，
哪个 是， 这 是 a 方式 到 看 在 如何 经常 我们 预测 适当地， 正确的？
所以 为了 全部 49 其他 橄榄 油，
我们 正确地 已识别 那些 作为 不是 橄榄 油。
和 为了 全部 71 橄榄 油， 我们 正确地 已识别 那些 作为 橄榄 油。
所以 我们 实际上 预测 这些 完美
和 我们 仅有的 需要 a 漂亮的 小的 子集 的 那些 小波 系数。
所以 I 没有 数数， 但 那 看起来 喜欢 关于 a 打。
所以 我们 开始 和 数千 的 小波 系数 和 我们 煮沸 它 向下
只是 12 或者 所以 那 是 有用 为了 预测 我们的 回复。
所以 什么 I 思考 是 真的 凉爽的 是，
我们 能 解释 这些 小波 系数 到 一个 程度， 正确的？
所以 这 系数 这里 是 解决 二 在 地点 3001.
所以 那 告诉 我们 有 某物 去 在 在 那 部分 的 这 曲线
帮助我们区分 之间 橄榄 油 和 不是 橄榄 油。
所以 什么 我已经 完毕 是，
我已经 还 创建 a 图形 的 我们的 数据 使用...
出色地， 你会 看。
所以 什么 我已经 完毕 是 这里 这 蓝色的 曲线 是 这 橄榄 油。
这 红色的 曲线 是 这 非 ·橄榄 油，
和 这 是 这 意思是 色谱。
所以 平均 超过 全部 的 我们的 样品。
和 这些 虚线 线 是 这 地点
在哪里 这 小波 系数 是 非零。
所以 这些 是 这 一 那 是 有用 为了 歧视 之间 油。
和 作为 你 能 看， 一些 的 这些 非零 系数 线 向上 和 峰
和 这 数据 那 真的 趋向 到 制作 感觉， 正确的？
所以，
这是 一 的 这 非 -零 系数， 和 你 能 告诉 它是 正确的 在 a 顶峰
在哪里 橄榄 油 是 达到顶峰， 但 非橄榄 油 是 不是， 正确的？
所以 那 可能 是 有意义的 到 某人
那 研究 色谱法 和 橄榄 油 在 特别的。
但 所以 我们 喜欢 这 例子 因为
它是 a 真的 好的 例子 的 如何 小波 合身 这些 色谱图 真的 出色地。
和 然后 我们 能 使用 这 小波 系数 到 做 某物 别的， 正确的？
所以 不是 仅有的 有 我们 合身 这 曲线 非常好，
但 然后 我们已经 采取 这 信息 从 那些 曲线
和 我们已经 完毕 a 真的 好的 工作 的 歧视 之间 不同的 油。
和 所以 我已经 得到 一 更多的 例子。
瑞安 和 I 是 两个都 大的 粉丝 的 迪士尼 世界，
所以 这 是 不是 a 色谱。
这 是 不是 光谱学。
但 反而 我们 成立 a 数据 放 那 看起来 在 等待 次 在 迪士尼 世界，
所以 我们 下载 a 子集 的 等待 次
为了 a 骑 称为 迪士尼 这 七 矮人， 头脑 火车。
和 如果 你已经 曾经 到过 到 迪士尼 世界，
你 知道 它是 a 真的 凉爽的 滚筒 过山车 正确的 那里 在 幻想世界。
但 它 还 倾向 到 有 真的 长的 等待 次，对吧？
你 花费 a 很多 的 时间 等待 你的 转动。
所以 我们 通缉 到 看 如果 我们 可以 使用 小波 到 分析 这些 数据
然后使用 这 小波 美国能源部 功能 到 看 如果 我们 能 数字 出去
如果 有 天 的 这 周 或者 个月 或者 年
在哪里 等待 次 是 特别 高的 或者 低的。
所以 我们 能 发射 FDE。
在这里你 能 瞧，我们有
每个 天 在 我们的 数据 放， 我们 有 这 等待 次
从那时起 这 公园 打开， 这里，
到 这 时间 那 这 公园 关闭 超过 这里。
和 到 制作 这 演示 a 小的 少量 更轻松，
我们已经 巧妙地 这 数据 放 到 干净的 它 向上 一些。
所以 这 是 不是 确切地 这 数据，
但 I 思考 一些 的 这 趋势 那 是 去 到 看 是 仍然 真的。
所以 什么 我是 去 到 做 是 我是 去 到 问 为了 小波，
和 它会 拿 a 第二 到 跑步， 但 不是 也 长的。
所以 现在 我们已经 成立 那 a 不同的 基础 功能 是 这 最好的。
它是 多贝西家族 20
和 I 道歉 如果 I 没有 发音 那 正确的。
我已经 到过 避免 发音 那 单词 在 民众，
但 现在 那是 不是 这 案件 不再。
所以 我们已经 成立 那是 我们的 最喜欢的 小波 和 什么 是 去 到 做
是 是 去 到 去 到 这 小波 美国能源部 分析，
和 它是 去 到 使用 这些 补充 变量
那 我们已经 指定的 天 的 这 星期， 年 和 月
看看我们是否可以 寻找 趋势 在 我们的 曲线 使用 那些 变量。
所以 出色地 问 为了 小波 美国能源部，
还有什么 正在发生 在 这 背景 是 是 造型 那些 小波 系数
使用 这 广义的 回归 平台， 所以 那是 正在发生 在后面 这 场景，
和 然后 它 将要 放 它 全部 一起 在 a 分析器 为了 我们。
所以 这里 我们已经 你知道， 这 是 我们的 时间 的 天 多变的。
我们 能 看 那 在 这 早晨。
这 等待 次 种类 的 开始， 你知道，周围 一个 小时。
它 获取 更长 自始至终 这 天， 你知道，
达到峰值 在 关于 80 分钟， 几乎 一个 小时 和 a 一半 等待。
和 然后， 作为 你 会 预计，
作为 这 天 去 在 和 孩子们 得到 疲劳的 和 去 到 床，
等待 次 得到 a 小的 少量 更短 直到 这 结尾 的 这 天。
现在， 什么 我们 想法 曾是 有趣的
正在寻找 在 一些 的 这些 效果， 喜欢 年 和 月。
所以 我们 能 看 在 2015年， 这 等待 次 种类 的 逐步地 去了 向上， 正确的， 直到 2020年。
和 然后 什么 发生了 在 2020年？ 他们 增加 在 二月，
然后，令人震惊的是， 他们 掉落 相当 a 少量 在 行进 和 四月。
和 I 思考 我们 全部 知道 为什么 那 可能 有 发生了 在 2020年。
因为 的 冠状病毒病， 更少 人们 是 去 到 迪士尼 世界。
在 事实， 它 曾是 关闭 向下 为了 a 尽管。
所以 你 能 非常 清楚地 看 a 冠状病毒 影响 在 迪士尼 世界 等待 次
真的 迅速地 使用 小波 美国能源部。
一 的 这 其他 事物 那是 有趣的
是 我们 能 看 在 什么 时间 的 年 是 最好的 到 去。
它 看起来 喜欢 等待 次 趋向 到 是 降低 在 九月，
和 自从 迪士尼 世界 是 在 佛罗里达，你知道，
那是 顶峰 飓风 季节， 和 孩子们 不 趋向 到 是 出去 的 学校。
所以 它是 真的 凉爽的 到 看 那 我们的 模型 挑选 那 向上 漂亮的 很容易吧？
那么，但是 不 开始 去 到 迪士尼 世界 在 九月。
那是 我们的 时间。 我们 不 想 它 得到 挤。
但 是的， 所以 和 只是 a 很少 点击次数， 我们 是 有能力的
到 学习 相当 a 很少 事物 关于 等待 次，
七 矮人 矿 火车 在 迪士尼。
但 我们 真的 通缉 到 强调
这些方法 专注 在 色谱法 和 光谱法，
但 有 a 很多 的 应用程序 在哪里 你 能 使用 小波，
和 I 思考 那是 全部 我们 有。
所以 感谢 你。 并感谢 你， 瑞安。
