使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用（US 2018 218）級別：中級
Chris Gotwalt，SAS JMP 統計研究與開發總監
Philip Ramsey，新罕布什爾大學首席講師；諾斯黑文集團所有者
統計建模有兩個不同的目標：解釋和預測。 解釋性模型的預測效果通常很差（Shmueli，2010）。 設計實驗 (DOE) 的分析通常是解釋性的，但實驗目標是預測。 DOE 是產品和工藝開發的一種最佳實踐，可以預測未來的性能。 預測建模需要將數據劃分為訓練集和驗證集，其中驗證集用於評估預測模型。 大多數能源部沒有足夠的觀察結果來形成驗證集，從而無法直接評估預測性能。 我們演示了一種“平衡自動驗證”技術，使用原始數據創建該數據的兩個副本，一個是訓練集，另一個是驗證集。 這些集合的行權重不同。 權重是狄利克雷分佈且“平衡”的；對訓練數據貢獻較大的觀察結果對驗證集的貢獻較小（反之亦然）。 該方法只需要復制數據並創建權重公式列。 該技術是通用的，允許人們將預測建模技術應用於實驗室和製造研究中常見的較小數據集。 使用兩個生物製藥工藝開發案例研究進行演示。 這兩種情況都有大量的驗證集和明確的篩選設計相結合。 JMP 用於演示分析。
視頻預測建模爆發回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用謝謝克里斯——那成功了！
帕蒂
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用我添加了 PowerPoint，然後還添加了一個包含 PowerPoint 和 termplat 的 .zip 文件，您可以使用它自己應用該方法。如果您在獲取文件時遇到任何問題，請告訴我，我會盡力解決。
回复：使用引導技術設計實驗的模型驗證策略及其在生物製藥中的應用嗨，克里斯和菲爾 - 很棒的談話 - 我可以去哪裡獲取你們演示文稿中顯示的腳本的副本？ 謝謝帕蒂
