你好， 我的 姓名 是 瑞安 帕克， 和 我是 興奮的 到 是 這裡 今天
和 黏土 巴克 到 分享 和 你 一些 新的 工具 那 我們已經 額外 到 幫助 你
分析 光譜 數據 和 這 功能 數據 探險家 在 JMP專業版 17.
所以 什麼 做 我們 意思是 經過 光譜 數據？
我們 有 a 很多 的 應用程式
從 化學計量學 那 有 有動力 a 很多 的 這 工作。
但 I 會 只是 開始 離開 經過 說
是 真的 擔心 關於 數據 那 有 鋒利的 山峰。
這 可能 不是 一定 是 光譜 數據， 但 這些 是 這 類型 的 數據
我們已經 a 難的 時間 造型 在 FE 向上 到 這 觀點。
和 所以 我們 真的 通緝 到 重點 在 嘗試
到 打開 向上 這些 應用程式 和 製作 它 a 很多 更輕鬆 到 處理 這些 鋒利的 山峰。
或許 潛在的 不連續性。
只是 這些 大的， 波浪形 特徵 的 數據。
在哪裡 在 這 具體的 例子， 和 光譜學 數據，
是 思維 關於 作品 的 材料，
和 這些 尖峰 能 代表 這些 作品，
和 我們 想 到 是 有能力的 到 嘗試 到 量化 那些。
所以 其他 應用 來自質譜，
和 這裡 你 能 看 這些 非常 鋒利的 山峰。
他們是 全部 超過 這 地方 在 這些 不同的 功能。
但 這些 尖峰 是 代表 蛋白質 從 這些 光譜，
和 他們 能 幫助 你， 為了 例子，
比較 差異 之間 事物 從 a 病人 和 癌症
和 患者 沒有 癌症 到 理解 差異。
我的意思是，
它是 真的 重要的 那 我們 嘗試 到 模型 這些 尖峰 出色地
所以 那 我們 能 量化 這些 差異。
一個 例子 那 黏土 是 去 到 展示 來 從 色譜法。
這 是 在哪裡 是 嘗試 到 ……
在 這 案件，
我們 想 到 看 在 量化 這 不同之處 之間 一個 橄欖 油
相對 其他 蔬菜 油。
和 所以 這 成分 的 這些 事物 代表 經過 全部 的 這些 山峰，
我們 需要 到， 再次， 嘗試 到 模型 這些 出色地。
這 第一的 事物 I 想 到 覆蓋 是 四 新的 工具 到 預處理 你的 數據，
光譜 數據 前 你 得到 到 這 造型 階段。
這 第一的 一 是 這 標準 普通的 種類。
所以 和 這 標準 普通的 種類， 是 思維 關於
標準化 每個 功能 經過 他們的 個人 意思是 和 方差。
所以 是 去 到 拿 每一個 功能 一 在 a 時間，
減去 離開 這 意思是， 劃分 經過 這 方差，
所以 那 他們 全部 有 意思是 零 和 變異數 一。
這 是 一個 選擇 到 這 現存的 工具 我們 有 標準化，
哪個 是 只是 尋找 在 a 全球的 意思是 在 變異數
所以 那 這 數據 他們自己 有 到過 縮放，
但 肯定 方面， 喜歡 方法， 是 仍然 那裡，
然而 和 這 標準 普通的 種類， 我們 想 到 消除 那 為了 每一個 功能。
這 下一個 工具 乘法S 卡特 更正。
它 是 相似的 到 標準 普通的 種類，
這 結果 結尾 向上 存在 這 相同的， 相似的。
但 在 這 案件， 是 思維 關於 數據 在哪裡 我們 有 光 分散。
所以 一些 的 這些 光譜 數據 來 在哪裡 我們 有 到 擔心 關於
我們的 光 分散 從 全部 這 個人 函數 存在 不同的
從 a 參考 功能 那 是 有興趣的 在。
通常 這 是 這 意思是。
所以 什麼 出色地 做 是 我們 將要 放 a 簡單的 模型
之間 這 個人 函數 到 這 意思是 功能。
你知道， 我們將得到係數
那 我們 能 減去 離開 這 意思是 特徵，
劃分 經過 這 坡 特徵，
得到 我們 到 那 相似的 標準化 這 數據，
和 在 這 案件， 專注 在 這 光 分散。
好的， 所以 在 這 觀點，
是 思維 關於 什麼 如果 我們 有 噪音 在 我們的 數據？
什麼 如果 我們 需要 到 光滑的 它？
所以 這 模型 那 我們 想 到 合身， 為了 光譜 數據，
這些 小波， 他們 不 光滑的 這 數據 為了 你。
所以 如果 你 有 吵雜 數據， 你 真的 想 到 嘗試 到 處理 那 第一的，
和 那是 在哪裡 這 薩維茨基-戈萊 篩選 來 在。
什麼 這 是 去 到 做 是 合身 正 程度 多項式
超過 指定的 頻寬
到 嘗試 到 尋找 這 最好的 模型 那 將要 光滑的 你的 數據。
所以 我們 搜尋 超過 a 網格 為了 你，
挑選 這 最好的 一， 和 然後 展示 這 結果 到 你。
和 I 做 想 到 筆記 那 這 數據 是 必需的 到 是 在 a 常規的 網格，
但 如果 你 不 有 一， 頻域擴展 將要 創造 一 為了 你。
我們 有 a 減少 選項
那 你 能 使用 如果 你 想 一些 更精細 控制 超過 這，
但 經過 預設,
我們 是 去 到 看 在 這 最長 功能，
選擇 那 作為 我們的 數位 的 網格 點，
和 創造 a 常規的 網格 從 那 為了 你。
但 這 好的 事物 關於 這 S Avitzky-Golay濾波器
是 因為 的 這 建造 和 這些 多項式，
我們 有 簡單的 使用權 到 這 第一的 或者 第二 衍生物。
甚至 如果 你 不 有 光譜 數據 和 你 想 到 訪問導數函數
這 將要 是 你的 通路 到 做 那。
和 如果 你 做 要求， 說， 這 第二 衍生物，
我們的 搜尋 獲取 受限 到 僅有的 多項式
這將使我們能夠 給 你 a 第二 衍生物， 為了 例子。
但 這 會 是 這 方式 到 訪問該
甚至 如果 你 不是 甚至 擔心 關於 平滑。
你 能 現在 得到 到 衍生品。
這 最後的 預處理 工具 患病的 覆蓋 是 基線 更正。
所以 在 基線 更正，
你 是 擔心 關於 擁有 一些 特徵 的 你的 數據
那 你 會 只是 考慮 a 基線 那 你 想 到 消除
前 你 模型 你的 數據。
所以 這 主意 這裡 是 我們 想 到 合身 a 基線 模型。
我們 有 線性， 二次函數， 為您提供指數選擇權，
所以 我們 想 到 合身 這 到 我們的 數據 和 然後 減去 它 離開。
但 我們 知道 那裡 是 重要的 特徵，
通常 這些 山峰，
所以 我們 想 到 不是 使用 那些 部分 的 這 數據
什麼時候 我們 實際上 合身 這些 基線 模型。
所以 我們 有 這 選項 這裡 為了 更正 地區。
I 思考 為了 這 最多 部分 你 會 可能 使用 全部的 功能。
所以 什麼 這 只是 方法 是， 什麼 部分 是 我們 去 到 減去 離開？
所以 如果 你 選擇 之內 區域
只有東西 之內 這些 藍色的 線 是 去 到 是 已減去。
但 我已經 已經 額外 四 這裡。
每一個 時間 你 點選 添加 在 基線區域，
你是 去 到 得到 a 一對 的 這些 藍色的 線 和 你 能 拖 他們周圍
到 這 重要的 部分 的 你的 數據， 和 什麼 這 將要 做 是，
什麼時候 你 嘗試 到 合身， 說， a 線性 基線 模型，
它是 去 到 忽略 這 數據 點 那 是 之內 這些 二 藍色的 線。
所以， 功能 一， 我們 放 a 線性 模型，
但 我們 排除 全部 這些 鋒利的 尖峰 那 我們 真的 想，
那 是 有興趣的 在。
和 所以 然後 我們 拿 這 結果 從 這個線性模型
和 減去 它 離開 從 這 所有的 功能。
這 選擇 到 那 是 一個 錨 觀點，
和 那是 如果 你 說， I 真的 會 喜歡
對於這個特定點 到 是 包括 在 這 基線 模型。
通常 這 是 如果 你 有 更小 數據
和 你 知道， 好的， I 想 這些 很少 點。
這些 是 鑰匙。 這些 代表 這 基線。
如果 I 是 有能力的 到 適合，你知道， 說一個 這些點的二次模型，
那是 什麼 I 想 到 減去 離開。
所以 它是 一個 選擇。
什麼時候 你 點選 那些， 他們會 展示 向上 作為 紅色的 作為 一個 選擇 到 這 藍色的。
但 這 將要 允許 你 到 正確的 您的數據
消除 這 基線 前 進行。
所以 那 獲取 我們 到 如何 我們 模型 光譜 數據 現在 在 JMP專業版 17，
和 是 使用 小波。
這 好的 事物 關於 小波 是 我們 有 a 種類 的 選項 到 選擇 從。
所以 這些 圖表 代表 什麼 是 稱為 母親 小波
和 他們 是 用過的 到 構造
這 基礎 那 我們 使用， 那 模型 這 數據。
所以 這 最簡單的 是 這頭髮 小波， 哪個 是 真的 只是 步 函數，
或許 難的 到 看 那 這裡， 但 這些 是 只是 步 功能。
但 這 雙正交， 它 有 a 很多 的 小的 跳躍
和 你 能 開始 到 想像，
好的， I 能 看 為什麼 這些 製作 它 a 很多 更輕鬆
到 捕獲 尖峰 在 我的 數據
其他 比 這 她 小波。
全部 這些 有 參數 那 是 改變 這 形狀 和 這 尺寸 的 這些，
所以 我已經 只是 已選擇 a 夫妻 這裡 到 只是 展示 你 這 差異。
但 你 能 真的 看 在哪裡，
好的， 如果 I 放 a 很多 的 這些 一起，
I 能 理解 為什麼 這 是
大概 a 很多 更好的 到 模型 全部 這些 尖峰 的 我的 數據。
所以這是 一個 例子 到 闡明 那
和 一 的 我們的 新的 樣本 數據，
核磁共振 設計 的 實驗。
所以 這 是 只是 從 一 功能 在哪裡 讓我們 開始 和 B 樣條線。
這 是 種類 的 這 去 到 為了 最多 數據 地方 到 開始 在 FDE。
但 我們 能 看 那 它是 真的 擁有 a 難的 時間
採摘 向上 在 這些 山峰。
現在， 我們 有 假如 你 工具
到 改變 在哪裡 結位於 在 這些 野獸線 模型。
所以 你 可以 做 一些 定制。
大概 合身 這 a 很多 更好的 比 這 預設.
但 這 主意 是 那 現在 你已經 有 到 去 和 移動 周圍事物
和 或許 它 作品 為了 一些 函數， 但 不是 其他的，
和 你 需要 a 更多的 自動化 方式。
所以 那是 一 選擇 到 那 是 P-Sp 線。
那 是 正在做 那 a 小的 位元 為了 你，
但 它是 仍然 不是 相當 捕獲 這 尖峰 或許 作為 出色地 作為 小波。
它是 大概 正在做 這 最好的 為了 這些數據。
相對的 到 小波 和 幾乎 a 模型 -自由的 方法
在哪裡 我們 模型 這 數據 只是 直接地 在 我們的 形狀 成分，
這 直接的 功能 主成分分析。
它是 或許 a 橋 之間 P樣條函數 和 B樣條函數
在哪裡 它是 不是 相當 作為 好的 作為 P -樣條線 但 它是 更好的 比 B -樣條線
但 這 是 只是 a 快的 例子 到 強調
如何 小波 能 真的 是 a 很多 更快 和 強大的。
什麼 是 我們 正在做 在 FDE？
我們 構造 a 種類 的 小波類型
和 他們的 聯繫 參數 和 合身 他們 為了 你。
所以 相似的 到 這 S avitzky-Golay濾波器，
我們 做 要求 那 這 數據 是 在 a 常規的 網格。
和 好的 訊息， 出色地 創造 一 為了 你。
但 的 課程 你 能 去 到 減少 這 控制 那 如果 你 會 喜歡。
但 現在 這 好的 事物 關於 一次 數據是 在 這 網格，
我們 能 使用 a 轉型 那是 極佳的 快速地。
所以 P -樣條線 會 也, 為了 這些 數據，
是 什麼 你 會 真的 想 到 有 到 使用，
但它們可能需要很長時間才能適應，
尤其 如果 你 有 a 很多 的 函數
和 你 有 a 很多 的 數據 點 每 功能。
但 我們的 小波 模型 是 去 到 本質上 最後的
所以 全部 的 這 不同的 基礎 函數
那 構造 這 特別的 小波 類型 和 範圍
和 什麼 那是 去 到 允許 我們 到 做 是 只是 真的 力量
a 很多 的 那些 係數 那 不 真的 意思是 任何事物 到 零
到 幫助 創造 a 疏 表示 為了 這 模型。
所以 那些 五 不同的 小波 類型 那 I 顯示 前，
那些 是 可用的， 和 一次 我們 合身 他們 全部，
是 去 到 構造 模型 選擇 標準
和 選擇 這 最好的 為了 你 經過 預設.
你 能 點選 透過 這些 作為 選項 到 看 其他 適合。
和 a 很多 的 次 這些 第一的 很少 是 去 到 看 非常 相似的
和 它是 真的 只是 a 事 的，
那裡 是 肯定 應用程式 在哪裡 他們 知道，
「好吧，我 真的 想 這 小波類型，”
所以 他們會 挑選 這 最好的 一 的 那 類型 在 這 結束使用。
所以 這 好的 事物 關於 這些 模型 是 他們 發生 在 a 解決。
他們是 造型 不同的 決議 的 這 數據。
所以 我們 有 這些 係數 劇情 在哪裡 在 這 頂部 他們是 顯示
低頻， 更大 規模 趨勢， 喜歡 一個 全面的 意思是，
和 作為 你 去 向下 在 這...
或者 I 猜測 你 去 向上 在 這 決議，
但 向下 在 這 陰謀，
你是 去 到 看 在 高的 -頻率 專案,
和 這些 是 去 到 是 事物 那 是 正在發生 在 非常 短的 秤，
所以 你 能 看 在哪裡 它是 採摘 向上 a 很多 的 不同的 特徵。
在 這 案例，它正在採取...
A 很多 的 這些 是 零 為了 這 最高 決議。
所以 它是 採摘 向上 一些 體重計 那 是 在 這 非常 結尾 的 這 功能。
它是 採摘 向上 一些 的 這些 差異 這裡。
但 這 給出 你 a 感覺 的 種類 的 在哪裡 事物 是 發生在
兩個都 地點 和 然後 是 那 高頻 或者 低頻
部分 的 這 數據。
所以 這 最後的 事物 我們已經 額外 到 完全的 這 小波 模型
那是 a 小的 位元 不同的 從 什麼 我們 有 現在 是 稱為 小波 美國能源部。
所以 如果 你已經 用過的 頻域擴展 前，
你已經 可能 嘗試過 功能 設計 的 實驗
和 那 是 去 到 允許 你 到 拿 功能 原則 各部分分數，
連接 設計 的 經驗 因素 到 這 形狀 的 你的 功能。
但 現在， 小波 模型 在 特別的，
他們是 係數， 因為 他們 做 代表 決議 和 地點，
這些 能 是 更多的 可解釋的 和 他們 有 更多的 直接的 影響
到 理解 什麼是 正在發生 在 這 數據，
那 可能 是 a 功能 原則 成分
不是 作為 簡單的 到 連接 和。
我們 有 這 活力 功能 和 它是 標準化 到 展示 你，
「好的， 這 解決 在 3.5英寸
只是 代表 更多的 在 這 結尾 觀點。
那將會有...
那是 在哪裡 這 最多 差異 是 在 全部 的 我們的 函數，
和 它是 代表 關於 12%。
所以 你 能 捲動 向下。
我們 去 向上 到 在哪裡 我們 得到 90% 的 這 活力，
哪個 是 只是 這 平方 係數 價值觀
那 我們 只是 標準化 這裡。
但 活力 是 只是 如何 大的 這些係數
相對的 到 一切 別的？
但 這， 相似的 到 功能 美國能源部，
你 能 改變 這 因素， 看 如何 這 形狀 變化，
和 我們 有 案例 在哪裡 兩個都 小波 美國能源部
和 功能 美國能源部 工作良好。
有時 小波DOE 只是 得到 這 結構 更好的。
沒有 允許 為了 一些 或許 消極的 點
那 功能 美國能源部 可能 允許 在 這 例子。
所以 它是 只是 他們是 兩個都 那裡， 他們是 兩個都 快速地。
我的意思是，你 能 使用 兩個都 的 他們 到 嘗試 到 分析 這 結果 的 小波 模型。
但 那是 我的 快的 概述。
所以 現在 I 只是 想 到 轉動 它 超過 到 黏土 到 展示 你 一些 範例
使用小波 模型 和 一些 例子 數據 套。
謝謝， 瑞安。
所以， 作為 瑞安 顯示 早些時候， 我們 成立 一個 例子
在哪裡 鄉親們 是 嘗試 到 使用 化學計量學 方法
到 分類 不同的 蔬菜 油。
所以 我已經 得到 這 數據 放 打開 向上 這裡。
這裡 我們 有 我們的 每個 排 的 這 數據 放 是 a 功能，
所以 每個 排 在 這 數據 放 代表 a 特別的 油，
和 作為 我們 去 穿過 這 桌子， 那是 這 色譜。
所以 我已經 打開 這 向上 在 頻域擴展 只是 到 節省 a 很少 分鐘。
這 小波 配件 是 真的 快速地，
但 I 想像 我們會 只是 去 前方 和 開始 和 這 合身 打開。
所以 這是 什麼 我們的 數據 放 看起來 喜歡。
你 能 看 那些 紅色的 曲線 是 橄欖 油。
這 綠色的 曲線 是 不是 橄欖 油。
所以 我們 能 看 有 確實 一些 差異
之間 這 二 不同的 種類 的 油 和 他們的 色譜圖。
所以， 作為 瑞安 說， 我們 只是 去 到 這 紅色三角形菜單
和 我們 問 為了 小波 和 它 將要 挑選 這 最好的 小波 為了 你。
但 喜歡 I 說， 我已經 已經 完畢 那，
所以 我們 能 捲動 向下 和 看 在 這 合身。
這裡 我們 看 這 最好的 小波 那 我們 成立 曾是 稱為 這 Symlet 20，
和 我們已經 得到 圖表 的 每個 合身 這裡 總結 為了 你。
作為 你 能 看， 這 小波 有 合身 這些 數據 真的 出色地。
但 在 這 案件，
是 不是 可怕 有興趣的 在 配件 這 個人 適合。
我們 想 到 看 如果 我們 能 使用 這些 個人 色譜圖
到 預測 無論 或者 不是 一個 油 是 一個 橄欖 油 或者 不是 一個 橄欖 油。
所以 什麼 我們 能 做 是，
我們 能 節省 出去 這些 小波 係數，
哪個 我們已經 得到 a 大的 桌子 這裡， 和 有 數千 的 他們。
在 事實， 有 一 為了 每一個 觀點 在 我們的 功能。
所以 這裡 我們已經 得到 4,000 點 在 每個 功能。
這 桌子 是 漂亮的 巨大的。 有 4,000 小波 係數。
但 作為 瑞安 曾是 說， 你 能 看 那 我們已經 歸零 一些 的 他們 出去。
所以 這些 小波 係數 降低 出去 的 這 功能。
所以 那是 如何 我們 得到 平滑。
我們 合身 我們的 數據 真的 出色地，
但 歸零 出去 一些 的 那些 係數 是 什麼 平滑 這 功能出來了。
所以 如何 能 我們 使用 這些 價值觀 到 預測 無論 或者 不是 我們 有 一個 橄欖 油？
出色地， 你 能 來 這裡 到 這 功能 摘要 和 問 為了 節省 摘要。
所以 什麼 它是 完畢 是 它 儲存 出去 這 功能 主要的 成分。
但 這裡 在 這 結尾 的 這 桌子， 它 也 儲存 出去 這些 小波 係數。
所以 這些 是 這 精確的 相同的 價值觀
我們看到的 在 那 小波 係數 桌子 在 這 平台。
所以 讓 我 關閉 這 一。
我已經 得到 我的 自己的 排隊 向上 只是 所以 那 I 不 有 任何事物 出乎意料 發生。
所以 這是 我的 版本 的 那 桌子。
和 什麼 我們 想 到 做 是 我們 想 到 使用
全部 的 這些 小波 係數 到 預測 無論
這 曲線 是 從 一個 橄欖 油 或者 從 a 不同的 類型 的 油。
所以 什麼 我是 去 到 做 是，
我是 去 到 發射 這 廣義的 回歸 平台，
和 如果 你已經 曾經 用過的 那 前，
它是 這 地方 我們 去 到 建造 線性 模型 和 概括 線性 模型
使用 種類 的 不同的 多變的 選擇 技術。
所以 這裡 我的 回覆 是 類型。
I 想 到 預測 什麼 類型 的 油 我們正在看
和 I 想 到 預測 它 使用 全部 的 那些 小波 係數。
所以 I 按 跑步。
在 這 案件， 我是 去 到 使用 這 彈性網絡
因為 那 發生 到 是 我的 最喜歡的 多變的 選擇 方法。
和 我是 去 到 按 去。
所以 真的 迅速地， 我們 拿了 全部 那些 小波 係數
和 我們 有 成立 這 一 那 真的 做 a 好的 工作 的 區分
之間 橄欖 油 和 非 ·橄欖 油。
所以 在 事實， 如果 我們 看 在 這 錯亂 矩陣，
哪個 是， 這 是 a 方式 到 看 在 如何 常 我們 預測 適當地， 正確的？
所以 為了 全部 49 其他 橄欖 油，
我們 正確地 已識別 那些 作為 不是 橄欖 油。
和 為了 全部 71 橄欖 油， 我們 正確地 已識別 那些 作為 橄欖 油。
所以 我們 實際上 預測 這些 完美
和 我們 僅有的 需要 a 漂亮的 小的 子集 的 那些 小波 係數。
所以 I 沒有 數數， 但 那 看起來 喜歡 關於 a 打。
所以 我們 開始 和 數千 的 小波 係數 和 我們 煮沸 它 向下
只是 12 或者 所以 那 是 有用 為了 預測 我們的 回覆.
所以 什麼 I 思考 是 真的 涼爽的 是，
我們 能 解釋 這些 小波 係數 到 一個 程度， 正確的？
所以 這 係數 這裡 是 解決 二 在 地點 3001.
所以 那 告訴 我們 有 某物 去 在 在 那 部分 的 這 曲線
幫助我們區分 之間 橄欖 油 和 不是 橄欖 油。
所以 什麼 我已經 完畢 是，
我已經 也 創建 a 圖形 的 我們的 數據 使用...
出色地， 你會 看。
所以 什麼 我已經 完畢 是 這裡 這 藍色的 曲線 是 這 橄欖 油。
這 紅色的 曲線 是 這 非 ·橄欖 油，
和 這 是 這 意思是 色譜。
所以 平均 超過 全部 的 我們的 樣品。
和 這些 虛線 線 是 這 地點
在哪裡 這 小波 係數 是 非零。
所以 這些 是 這 一 那 是 有用 為了 歧視 之間 油。
和 作為 你 能 看， 一些 的 這些 非零 係數 線 向上 和 尖峰
和 這 數據 那 真的 趨向 到 製作 感覺， 正確的？
所以，
這是 一 的 這 非 -零 係數， 和 你 能 告訴 它是 正確的 在 a 頂峰
在哪裡 橄欖 油 是 達到頂峰， 但 非橄欖 油 是 不是， 正確的？
所以 那 可能 是 有意義的 到 某人
那 研究 色譜法 和 橄欖 油 在 特別的。
但 所以 我們 喜歡 這 例子 因為
它是 a 真的 好的 例子 的 如何 小波 合身 這些 色譜圖 真的 出色地。
和 然後 我們 能 使用 這 小波 係數 到 做 某物 別的， 正確的？
所以 不是 僅有的 有 我們 合身 這 曲線 非常好，
但 然後 我們已經 採取 這 資訊 從 那些 曲線
和 我們已經 完畢 a 真的 好的 工作 的 歧視 之間 不同的 油。
和 所以 我已經 得到 一 更多的 例子。
瑞安 和 I 是 兩個都 大的 粉絲 的 迪士尼 世界，
所以 這 是 不是 a 色譜。
這 是 不是 光譜學。
但 反而 我們 成立 a 數據 放 那 看起來 在 等待 次 在 迪士尼 世界，
所以 我們 下載 a 子集 的 等待 次
為了 a 騎 稱為 迪士尼 這 七 矮人， 頭腦 火車。
和 如果 你已經 曾經 到過 到 迪士尼 世界，
你 知道 它是 a 真的 涼爽的 滾筒 雲霄飛車 正確的 那裡 在 幻想世界。
但 它 也 傾向 到 有 真的 長的 等待 次，對吧？
你 花費 a 很多 的 時間 等待 你的 轉動。
所以 我們 通緝 到 看 如果 我們 可以 使用 小波 到 分析 這些 數據
然後使用 這 小波 美國能源部 功能 到 看 如果 我們 能 數位 出去
如果 有 天 的 這 週 或者 個月 或者 年
在哪裡 等待 次 是 特別 高的 或者 低的。
所以 我們 能 發射 FDE。
在這裡你 能 瞧，我們有
每個 天 在 我們的 數據 放， 我們 有 這 等待 次
從那時起 這 公園 打開， 這裡，
到 這 時間 那 這 公園 關閉 超過 這裡。
和 到 製作 這 示範 a 小的 位元 更輕鬆，
我們已經 巧妙地 這 數據 放 到 乾淨的 它 向上 一些。
所以 這 是 不是 確切地 這 數據，
但 I 思考 一些 的 這 趨勢 那 是 去 到 看 是 仍然 真的。
所以 什麼 我是 去 到 做 是 我是 去 到 問 為了 小波，
和 它會 拿 a 第二 到 跑步， 但 不是 也 長的。
所以 現在 我們已經 成立 那 a 不同的 基礎 功能 是 這 最好的。
它是 多貝西家族 20
和 I 道歉 如果 I 沒有 發音 那 正確的。
我已經 到過 避免 發音 那 單字 在 民眾，
但 現在 那是 不是 這 案件 不再。
所以 我們已經 成立 那是 我們的 最喜歡的 小波 和 什麼 是 去 到 做
是 是 去 到 去 到 這 小波 美國能源部 分析，
和 它是 去 到 使用 這些 補充 變數
那 我們已經 指定的 天 的 這 星期， 年 和 月
看看我們是否可以 尋找 趨勢 在 我們的 曲線 使用 那些 變數。
所以 出色地 問 為了 小波 美國能源部，
還有什麼 正在發生 在 這 背景 是 是 造型 那些 小波 係數
使用 這 廣義的 回歸 平台， 所以 那是 正在發生 在後面 這 場景，
和 然後 它 將要 放 它 全部 一起 在 a 分析器 為了 我們。
所以 這裡 我們已經 你知道， 這 是 我們的 時間 的 天 多變的。
我們 能 看 那 在 這 早晨。
這 等待 次 種類 的 開始， 你知道，周圍 一個 小時。
它 獲取 更長 自始至終 這 天， 你知道，
達到峰值 在 關於 80 分鐘， 幾乎 一個 小時 和 a 一半 等待。
和 然後， 作為 你 會 預計，
作為 這 天 去 在 和 孩子們 得到 疲勞的 和 去 到 床，
等待 次 得到 a 小的 位元 更短 直到 這 結尾 的 這 天。
現在， 什麼 我們 想法 曾是 有趣的
正在尋找 在 一些 的 這些 效果， 喜歡 年 和 月。
所以 我們 能 看 在 2015年， 這 等待 次 種類 的 逐步地 去了 向上， 正確的， 直到 2020年。
和 然後 什麼 發生了 在 2020年？ 他們 增加 在 二月，
然後，令人震驚的是， 他們 掉落 相當 a 位元 在 行進 和 四月。
和 I 思考 我們 全部 知道 為什麼 那 可能 有 發生了 在 2020年。
因為 的 冠狀病毒病， 更少 人們 是 去 到 迪士尼 世界。
在 事實， 它 曾是 關閉 向下 為了 a 儘管。
所以 你 能 非常 清楚地 看 a 冠狀病毒 影響 在 迪士尼 世界 等待 次
真的 迅速地 使用 小波 美國能源部。
一 的 這 其他 事物 那是 有趣的
是 我們 能 看 在 什麼 時間 的 年 是 最好的 到 去。
它 看起來 喜歡 等待 次 趨向 到 是 降低 在 九月，
和 自從 迪士尼 世界 是 在 佛羅裡達，你知道，
那是 頂峰 颶風 季節， 和 孩子們 不 趨向 到 是 出去 的 學校。
所以 它是 真的 涼爽的 到 看 那 我們的 模型 挑選 那 向上 漂亮的 很容易吧？
那麼，但是 不 開始 去 到 迪士尼 世界 在 九月。
那是 我們的 時間。 我們 不 想 它 得到 擠。
但 是的， 所以 和 只是 a 很少 點擊次數， 我們 是 有能力的
到 學習 相當 a 很少 事物 關於 等待 次，
七 矮人 礦 火車 在 迪士尼。
但 我們 真的 通緝 到 強調
這些方法 專注 在 色譜法 和 光譜法，
但 有 a 很多 的 應用程式 在哪裡 你 能 使用 小波，
和 I 思考 那是 全部 我們 有。
所以 感謝 你。 並感謝 你， 瑞安。
