你好， 每個人。 謝謝 為了 加入 在。 在 這 講話， I 想 到 演講 關於 如何 我們 做過 準備 我們的 批次 過程 數據 為了 造型 和 跳轉 專業版 和 獲得 有價值的 見解 和 a 團隊 方法。 我的 推介會 是 詳細的 在 a 微軟幻燈片軟體 部分。 那 是 這 第一的 部分 和 這 細節 全部 這裡 顯示 將要 跟隨 在 跳轉， 喜歡 如何 這 數據 放 看起來， 哪個 平台 I 有 用過的 喜歡 遺失的 數據， 多 共線性， 功能 數據 探險家， 預測器 篩檢， 造型 批次 數據 和 提升樹 和 分析器。
總結 數據 將要 是 分析 經過 提升樹 作為 出色地， 和 然後 經過 a 腳本 提升樹 落後 選擇。 在 第一的， 我的 公司， 世創電子材料， 有 世界- 班級 生產 站點 全部 超過 這 世界 如圖所示 這裡 和 關於 4,000 僱員。 這裡 是 一些 鑰匙 數字。 如果 你 想像 那 我們 有 a 複雜的 過程 流量 喜歡 顯示 這裡 和 矽 模具 在 a 坩。 矽 錠 是 創建 這裡。 那是 我的 特別的 任務。 到 製作 流程 為了 生長 矽 錠。 然後 這 錠 是 地面 和 切片。
邊緣 四捨五入 是 完畢 為了 這 晶圓， 雷射 標記， 研磨， 打掃， 蝕刻， 拋光， 和 或許 外延 為了 這 最終的 晶圓 到 是 創建。 我們的 資料夾 是 那 我們 是 出售 300 毫米， 200 毫米 和 更小 直徑 晶圓 為了 不同的 應用程式 喜歡 顯示 這裡， 矽 晶圓 和 一些 規格。
關於 我， 我的 教育 是 我是 一個 電力 工程師 和 I 做過 一些 六 西格瑪 教育， 和 我的 主要的 任務 是 到 發展 流程 為了 生長 矽 晶體 喜歡 顯示 這裡， 和 我是 作為 出色地 負責任的 為了 大約 500 使用者 在 塞爾特羅尼克 跳轉 用戶。 如何 做 這 任務 看 喜歡？ 什麼 我們 看 這裡 是 這 最終的 桌子， 但 它 有 到過 創建 和 這 需要 a 很多 的 努力 作為 出色地。 所以 那裡 是 一些 資料庫 查詢 在後面 到 得到 這 數據 從 資料庫.
我們 已獲取 這 結果 進入 跳轉 數據 表 和 放大 這 數據 放 和 檔案 從 早些時候 日期 和 豐富的 一些 資訊 喜歡 細節 的 實驗 和 細節 在 耗材 和 寫道 一些 腳本 為了 圖表 和 評價。 T 母雞 我們 有 完畢 這 造型 任務 和 的 課程， 看起來 為了 遺失的 數據 相關性 到 看 什麼 是 這 最多 重要的 效果 和 到 做 特徵 工程 到 看 哪個 特徵 是 重要的 到 產生 一個 最佳的 結果。
在 這 觀點， I 將要 轉變 進入 跳轉 然後。 我們 能 看 這裡 我的 雜誌 我是 在職的 和 和 這 跳轉 主要的 窗戶 和 這 抽象的 是 見過 這裡。 我們 將要 開始 和 技術的 提示。 這 使用 數據 放 I 展示 這裡 是 完全 匿名 和 標準化， 和 全部 識別符 是 通用的 為了 更好的 理解 什麼 是 這 特徵， 什麼 是 這 結果， 和 所以 在。 這 目的 的 這 推介會 是 到 展示 全部 這 步驟 我們 需要 為了 得到 一個 概述， 重組， 和 理解 這 數據 放， 和 如何 到 建造 這 模型 到 得到 一些 見解 的 這 內容 的 這 數據 放。
I 將要 展示 一些 結果 那 我們 有 討論 在 a 團隊。 這 團隊 是 非常 重要的 這裡 因為 這 團隊 開車 a 很多 的 討論 和 工作 作為 出色地， 如何 到 分析 和 什麼 特徵 可能 是 有趣的 和 什麼 應該 不是 是， 和 什麼 可能 是 這 物理 在後面。 I 將要 開始 和 這 數據 放 這裡。 它是 也 a 部分 的 這 貢獻 在 這 社區。 這裡 它 是 打開 和 I 將要 改變 這 設計 a 小的 位元 到 看 如何 它 看起來 喜歡。 我們 有 大約 8萬 列 在 這 數據 放 和 它是 a 批次 數據 放， 所以 我們 有 a 批次 ID。
T 他的 數據 放 是 相當 具有挑戰性的 因為 它 有 a 混合物 的 歷史 數據 喜歡 這裡， 經過 批次。 我們 能 看 這裡 那 我們 有… 最多 的 這 數據 是 歷史 數據， 和 那裡 是 僅有的 a 很少 特別的 實驗 顯示 這裡。 我們 有 一些 特徵 然後， 喜歡 一 分類， 它是消耗品。 我們 有 這 批次 到期， 它是 這 時間， 也 標準化。 然後 我們 有 一些 特徵。 所以 這些 X 價值觀 這裡， 我們 有 一 結果 柱子， 和 到 減少 這 噪音 a 小的 位元, 我們 有 計算 a 新的 移動 平均的 作為 出色地。
讓我們 有 a 看 在 如何 這 數據 放 看起來 更多的 在 細節。 我們 能 看 這裡， 如果 我們 做 a 概括 在 這 數據 喜歡 這， 你 能 做 這 從 這 桌子 s 選單 作為 出色地。 概括。 我們 得到 大約 500 行， 500 批次。 這 是 a 概括 經過 批， 和 我們 看 那 那裡 是 不 變化 在 這 參數 X 1 到 X 4、 意義 那 他們 是 持續的 為了 每個 批， 和 這 其他的 是 改變 在 不同的 率。 到 有 a 看 如何 這 數據 看起來 在 全部， 我們 能 看 這裡 這 結果 範圍 喜歡 屈服， a 長的 時間 為了 全部 這 列 的 這 批次 數據 放， 和 這 平滑 是 完畢 經過 跳轉 圖形 建造者 平台。
我們 實施的 這 作為 a 公式 作為 它 是 可用的 作為 a 功能 在 跳轉。 我們 能 有 a 看 這裡 在 一些 特別的 批次 作為 出色地。 如果 我們 使用 這 當地的 數據 篩選 和 看 這裡 如何 這 平均的 作品 和 什麼 噪音 是 在 這 單身的 數據 點， 這 藍色的 一 是 這 原來的 數據 的 屈服， 和 這 橘子 一 是 這 移動 平均的。 I 將要 關閉 這 然後， 和 下一個 觀點 可能 是 到 看 在 如何 很多 數據 是 丟失的。 所以 我們 有 這 在 跳轉 作為 出色地。 我們 能 標記 全部 這 列 和 做 這 遺失的 數據 圖案 平台 喜歡 這。
它 將要 展示 我們 那 從 關於 8萬 行， 我們 有 178 列 和 一些 遺失的 數據 在 一 柱子。 這 能 也 是 顯示 這裡 作為 a 圖形。 這 是 非常 重要的， 在 至少 為了 這 數據 創作步驟， 它 曾是 重要的 到 看 在哪裡 是 一些 數據 遺失的 和 到 使固定 這 遺失的 數據 然後 作為 很多 作為 可能的。 其他 步 到 看 在 這 數據， 或許 列 查看器。 我們 能 得到 這裡， I 放 全部 這 列 在， 和 這裡 我們 能 看 再次 喜歡 我們 有 前， 那裡 是 一些 列 遺失的 為了 範圍 X2。
我們 能 看 什麼 這 分鐘， 最大限度， 意思是， 標準 偏差， 和 所以 是 為了 全部 這 參數 我們 能 看 這裡。 這裡 我們 很好 看 那 一切 是 標準化。 為了 這 屈服， 它是 之間 零 和 100. 我們 能 作為 出色地 開始 從 這裡， 分配 平台。 所以 全部 這 列 是 標記 和 我們 得到 經過 僅有的 一 點選 為了 全部 這 數據， 這 分佈。 我們 能 看 這裡 什麼 耗材 是 用過的 如何 常 那 我們 有 最多 數據 從 歷史性 流程 和 僅有的 一些 的 一些 實驗 和 特別的 設定.
這 時間， 的 課程， 看起來 很好 分散式， 但 這 其他的 不 看 那 很好。 所以 那裡 是 a 很多 的 房間 之間 一些 設定, 和 它是 稀疏地 分散式， 非 普通的 分散式 為了 這 最多 參數， 和 那 使 它 甚至 更多的 具有挑戰性的 到 分析 這 數據。 我們 去 到 這 下一個 步驟。 I 將要 關閉 這些 報告。 然後 我們 可能 看 甚至 更多的 在 細節 在 一些 事物 喜歡 如何 這 參數 是 相關。 我們 能 看 這 在 這 多變數 平台。 它 需求 一些 時間 到 是 計算。
你 將要 尋找 它 這裡 在下面 這 分析 選單， 多變量的。 它 需要 這 數位 列 和 產生 這 相關性 報告， 和 你 將要 看 那 這 參數 喜歡 X6 和 X5 是 高度 相關。 這 使 它 難的， 喜歡 X10 和 X9 作為 出色地， 使 它 難的 到 做 特徵 工程。 什麼 我們 想 到 知道 從 這 分析 是 哪個 範圍 原因 一些 屈服 降低。 如果 二 參數 是 相關的， 它是 不是 所以 簡單的 到 探測 或者 到 尋找 出去 哪個 一 是 這 負責任的 一。
這裡 在 這 分散 陰謀 矩陣， 你 能 看 作為 出色地 哪個 參數 改變 和 時間， 喜歡 X1， X2， 向上 到 X4 是 持續的 超過 時間， 和 這 其他的 是 改變 和 如何 他們 是 分散式， 和 你 能 很好 標記 一些 列 喜歡 這裡。 他們 是 已選擇 在 這 數據 桌子 然後 和 看 如何 這 曲線 是 為了 每個 範圍 超過 時間 或者 哪個 範圍 超過 什麼 範圍 組合 看起來 喜歡。 下一個， I 想 到 使用 這 功能數據探索器。
這 功能數據探索器 允許 我們 到 合身 曲線 為了 每個 批次 和 萃取物 這 特徵 的 每個 曲線。 然後 我們 能 有 a 看 在 哪個 批次 表現 相似的 或者 或許 極端 個。 所以 這 開始 是 喜歡 這。 我們 能 有 a 看 在 如何 I 開始 這 分析。 我們 發射 分析。 I 放 時間 作為 一個 X 範圍， 屈服 作為 這 輸出 範圍 和， 和 這 ID 功能 是 這 批次 ID。 然後 我們 有 這裡 一些 非正式 部分 喜歡 部分 和 團體。
這 平台 是 可用的 在 跳轉 專業版 僅有的， 和 什麼時候 我們 開始 它， 我們 能 做 一些 數據 加工 這裡。 但 在 這 案件， 它是 不是 必要的。 我們 能 有 a 看 在 每個 批， 如何 它 看起來。 所以 那裡 是 a 很多 的 圖表 這裡 喜歡 這。 我們 能 標記 這 行。 我們 能 請參閱此處 這 標記 列 和 這 數據 桌子 作為 出色地。 到 去 在 和 這 平台， 我們 需要 到 製作 一些 模型 喜歡 P樣條函數 為了 每個 批次 和 跳轉 做 這 和 定義 本身 哪個 樣條線 是 用過的 和 如何 許多 支援 函數 是 需要， 喜歡 這 結 顯示 這裡。
所以 這 最好的 結果 是 給定 和 a 立方體 樣條線 和 20 節點。 你 能 看 如何 每個 批次 是 建模 這裡 經過 這 紅色的 線 顯示 這裡 和 如何 它 看起來。 我們 有 這裡 這 形狀 功能。 所以 每個 曲線 是 額外 一起 經過 a 組合 的 形狀 函數， 和 我們 得到 為了 每個 批次 這 係數 為了 每個 形狀 功能。 如果 我們 是 尋找 在 形狀 功能 1… 這 是 這 主要的 行為 的 全部 批次 和 a 降低 這裡 在 大約 0.7。 我們 能 看 那 這裡 我們 有 成分 1. 這 是 a 係數 為了 這 形狀 功能 一。
如果 我們 選擇 這些 批次， 我們 將要 看 那 他們 有 a 發音 形狀 喜歡 形狀 功能 1. 我們 能 看 它 這裡。 我們 能 作為 出色地 使用 這 分析器。 所以 這 是 大多 為了 理解 這 數據 但 我們 有 不是 用過的 它 為了 更遠 分析 因為 我們 做過 不是 真的 需要 這 資訊 如何 這 後退 批次 看起來 作為 a 形狀 為了 每個 曲線。 我們 是 更多的 有興趣的 在 平均的 屈服 的 每個 批次 因為 我們 不能 定義 僅有的 到 使用 這 第一的 部分 的 這 批次 和 忘記 關於 這 第二 部分。 這 會 不是 工作 在 我們的 案件。
作為 出色地 到 看 再次 如何 這 作品 一起， 我們 能 有 a 看 在 圖形 建造者。 這 圖形 的 一些 批次 我們 有 見過 只是 前。 或許 你 看 這 數位 這裡。 我們 有 見過 它 前。 這裡 它 是 顯示 再次 一起 和 這 移動 平均的 的 屈服。 下一個 步 會 是 到 開始 造型 的 這 批次 數據。
什麼時候 正在做 造型， 它 可能 是 有趣的 到 看 或者 有 一個 主意 哪個 參數 是 最多 重要的 為了 這 變異性 的 這 輸出。 那裡 我們 有 這 預測器 篩檢 平台。 你 能 作為 出色地 開始 它 從 這裡。 分析 和 預測器 篩選。 I 寫道 它 這裡 作為 a 腳本 簡單地 到 開始 它 經過 緊迫 a 按鈕。 什麼時候 正在做 所以， 我們 將要 看 一些 引導程式 森林 分析 去 在， 和 它 節目 我們 這 重要性 的 這 特徵 我們 有 在 我們的 數據 放。 時間 是 這 最多 重要的， 但 這 是 無用 在 這 結尾 為了 我們 因為 我們 需要 到 使用 這 滿的 批。
T 母雞 來 X1， 然後 來 部分 X8， X5， 和 所以 在。 所以 這裡 我們 可以 作為 出色地 選擇 a 很少 行， 複製 他們 和 放 他們 進入 a 模型。 I 將要 停止 這 這裡， 和 到 看 哪個 模型 作品 最好的， I 用過的 模型 篩檢 平台。 I 將要 不是 跑步 它 這裡 因為 它 需要 一些 分鐘。 但 我們 有 見過 那 增強樹平台 可能 執行 出色地。 那裡 是 或許 不是 所以 a 大的 不同之處 之間 這 下一個 個， 但 那是 這 原因 為什麼 I 用過的 增強樹平台。
然後 我們 將要 跑步 提升樹 喜歡 這 在 這 批次 數據， 和 它 作品 相當 快的。 我們 將要 看 這 結果， 和 a 好的 特徵 的 這 增強樹平台 作為 出色地 是 那 你 有 柱子 貢獻 所以 那 你 能 很好 做 一些 特徵 工程。 我們 能 看 這裡 那 我們 有 71 % R 方塊 為了 訓練 和 66 為了 驗證， 或許 好的， 和 我們 有 仍然 全部 特徵 在。 但 我們 是 有興趣的 大多 在 哪個 特徵 是 可靠地 這 最多 重要的 個。
什麼時候 正在做 這， 我們 能 節省 它 作為 a 柱子， 節省 預言 公式 在 這 數據 桌子。 我們 看 在 這 數據 桌子 我們 有 a 公式 現在 和 我們 能 使用 它。 我們 能 或許 有 a 看 在 如何 這 模型 執行 或者 到 使用 它 在 圖形 建造者 簡單地 到 看 如何 這 模型 數據 看起來 喜歡 超過 這 批次 到期。 I 希望 這 圖形 建造者 到 展示 這 圖形 這 圖形 很快， 和 這裡 它 來了。 是的。 我們 有 見過 那 這 造型 作品 相當 出色地， 所以 我們 有 a 公式 現在 到 重建 這 數據 和 我們 能 或許 工作 和 它。
但 尤其 為了 這 批次 數據 造型， 我們 有 a 問題 這裡 那 驗證 將要 不是 工作 因為 我們 可能 有 這裡 為了 一些 批， 這些 列 在 訓練 放 和 這 列 下一個 到 它 在 驗證 放。 所以 他們 是 不是 出色地 分離 為了 這 特徵 那 控制 這 批次 然後。 此外， 這 模型 是 不是 非常 穩定的， 所以 我們 將要 得到一個 不同的 結果。 對於我們的 不同的 運行 的 這 模型， 這 是 已知 從 樹- 基於 方法 那 他們 可能 給 不同的 結果 為了 高的 變異性 數據。
如果 我們 做 某物 喜歡 跑步 提升樹 兩次， 我們 得到 也 不同的 柱子 貢獻 和 或許 不同的 命令 喜歡 我們 能 看 這裡 為了 這 部分 和 X 5 是 切換 這裡 為了 這些 二 跑步， 和 I 將要 展示 它 再次 也 這裡。 如果 我們 跑步 提升樹 兩次。 不 知道。 是的， 這裡 I 應該 有 這 腳本。 它 來 之後。 所以 在 這 觀點， 我們 有 說 那 它 可能 是 更好的 到 模型 這 總結 數據 因為 我們 需要 到 使用 這 滿的 批。 這裡 I 有 a 腳本 現在 到 總結 這 數據 在 a 形式 那 我們 有 僅有的 一 排 為了 每個 批。
那裡 是 a 好的 特徵 統計數據 柱子 姓名 格式 那 我們 得到 這 相同的 列 為了 這 總結 數據 作為 我們 有 在 這 原來的 桌子 那 我們 能 使用 這 相同的 腳本 為了 兩個都。 正在做 所以， 我們 得到 這裡 這 概括 數據 桌子- I 能 關閉 這 腳本- 和 大約 500 批次。 它是 a 很多 的 更輕鬆 到 模型， 和 這裡 I 有 總結 這 數據 為了 0.6 到 0.8 時間。 所以 它是 在哪裡 這 屈服 降低 曾是， 和 我們 能 再次 做 這裡 一些 預測器 篩檢 喜歡 這 和 看 那 I 仍然 有 時間 在 那 數據 放 到 看…
它是 更多的 喜歡 到 看 什麼 等級 噪音 是， 和 它是 大約 這些 參數 那 是 可能 也 噪音 為了 這 模型 然後。 然後 我們 能， 的 課程， 做 一些 模型 比較。 所以 I 已選擇 a 很少 範圍 那 我們 成立 到 是 負責任的， 最多 大概， 和 我是 正在做 二 提升樹 分析 和 然後 做 一些 模型 比較 為了 兩個都。 它 看起來 喜歡 這。 我們 能 看 這裡 我們 得到 a 分析器 和 比較 這 結果 為了 不同的 設定, 或許 喜歡 這。 這裡 我們 有 仍然 這 問題。 我們 看 一些 特徵 喜歡 這 這裡 為了 X10 在 這 模型 和 不是 在 那 模型。
所以 它 可能 似乎 到 是 噪音。 在 這 開始， 我們 有 討論 a 很多 關於 這些 差異。 我們 有 見過 有時 和 有時 不是， 和 問 這 問題， 什麼 是 真的， 什麼 是 身體的， 和 什麼 是 不是。 那 帶來 我 到 這 步 然後 那 我們 需要 到 繼續 和 特徵 選擇， 和 那是 為什麼 我們 創建 這 腳本。 它 需要 這 概括 數據 和 有 到過 完畢 為了 這 批次 數據 作為 出色地。
為了 每個 步， 它 建構 促進 編輯 樹 模型 為了 這 滿的 範圍 放， 儲存 這 模型 進入 這 公式 倉庫， 和 儲存 這 模型 表現 R 方塊 和 所以 進入 a 數據 桌子， 和 節目 我們 這 柱子 貢獻。 這裡 我們 能 看 某物 那 我們 有 見過 常 那 和 這 更高 數位 模型， 它 是 這 模型 和 較少的 參數 喜歡 我們 能 看 這裡 和 這 柱子 貢獻， 我們 有 這 最好的 結果。 它 看起來 不同的 為了 每個 跑步， 但 這 趨勢 我們 看 在 最多 次。 所以 這裡 我們 能 看 為了 更多的 或者 較少的 當然 那 部分 和 X1 和 X5 是 這 最多 重要的 參數。
這 一 可能 是 那裡 有時 和 或許 不是， 所以 我們 將要 重點 在 這些 三 參數。 作為 出色地， 我們 能 有 a 看 在 這 公式 倉庫。 那裡 我們 能 開始 模型 比較。 我們 或許 能 比較 這 第一的 模型。 所以 我們 做 它 喜歡 這， 模型 比較。 這 是 我們的 數據 桌子。 拿 這 第一的 數字。 這 數位 這裡 是 轉移 經過 一， 和 或許 這 第五 應該 是 那 一， 和 這 最後的 一。 這 將要 不是 工作。 I 思考 它是 數位 三， 和 這 最後的 一。
這 一 和 這 最高 驗證 分數 和 或許 比較 他們 這裡。 我們 看 這 模型 比較 對話。 我們 看 那 這 最後的 模型 是 之間 這 最好的 模型 我們 可以 合身 在 全部， 和 能 看 這裡 這 分析器， 為了 例子， 和 作為 出色地， 可能 使用 外推 控制。 我們 有 見過 那 我們 有 疏 數據， 所以 不是 在後面 每一個 觀點。 那裡 是 一些 數據。 讓我們 看 在哪裡 它 是。 這裡 它 是。 外推 控制 警告 在。 所以 它 節目 我們 什麼時候 那裡 是 不 數據 之間 這 點。
這裡 我們 能 或許 比較 這 模型 和 我們 看 這裡 那 那裡 是 不 變異性 在 這 X 因素 那 沒有 到過 用過的 這裡。 到 和 向上， 讓我們 關閉 一些 表 第一的 和 一些 對話。 到 和 向上， 我們 有 準備好 a 工作流程 為了 造型 這 數據 和 有 完畢 一些 步驟 和 額外的 腳本 到 提高 理解 和 到 駕駛 這 討論 關於 什麼是 重要的 和 什麼是 不是。
I 有 a 提議 為了 a 模型 和 一些 任務 我們 能 重點 在 到 提升 這 年 屈服 的 我們的 過程， 和 你 將要 尋找 這 數據 和 這 推介會 在 這 使用者 社區。 如果 你 有 其他 想法 如何 到 探索 這 數據 放 和 如何 到 尋找 這 最終的 最好的 模型， 你 能 接觸 我 或者 郵政 某物 在 我的 貢獻 在 這 在 這 社群 為了 這 發現 首腦。 謝謝 為了 你的 注意力 和 再見。 那是 它， 馬丁。
