PCA avec SpectrumData<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Bonjour,
Je souhaite effectuer une analyse PCA avec des données basées sur les spectres. La PCA fonctionne bien et je reçois également de bons résultats. Le problème est que mon Loadingplot est totalement surchargé car j'ai environ 3500 variables. Il serait tellement préférable d’afficher le diagramme de chargement sous forme de spectre plutôt que de vecteur (dans ce cas, l’axe des abscisses du diagramme de chargement représente le nombre d’ondes et l’axe des ordonnées représente le chargement sur un PCA).
Mes données sont triées comme dans le tableau ci-dessous à la différence que j'ai plus de 5 variables et plus de 3 échantillons 
| Titre/ longueur d'onde | 100 | 101 | 102 | 103 | 104 ..... |
|---|
| Échantillon A | | | | | |
| Échantillon b | | | | | |
| Échantillon C | | | | | |
Ce serait encore mieux s'il était également possible de le faire avec des spectres de masse. Dans ce cas, ce serait vraiment bien si les données pouvaient être triées après m / z @ un certain temps. Donc, ces 2 informations sont regroupées. si possible. M / z est dans une colonne et le temps dans une autre (dans les données brutes).
Salutations!
Re: PCA avec SpectrumDataMarcokunzelmann0,
Je proposerais que vous obteniez quelque chose de mieux à partir de l'analyse des moindres carrés partiels. Ce type d'analyse semble très bien fonctionner avec les données spectrales. Vous pouvez en apprendre plus sur l'utilisation des moindres carrés partiels via le lien ci-dessous.
Il existe un livre associé qui donne un très bel exemple d'analyse des spectres NIR, puis de prédiction de l'indice d'octane.
Découvrir les moindres carrés partiels avec JMP | JMP
