PCA mit SpectrumData<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo,
Ich möchte eine PCA-Analyse mit Daten basierend auf Spektren durchführen. Die PCA funktioniert gut und ich erhalte auch schöne Ergebnisse. Das Problem ist, dass mein Loadingplot total überfüllt ist, weil ich ungefähr 3500 Variablen habe. Es wäre viel besser, den Loadingplot als Spektrum statt als Vektoren darzustellen (in diesem Fall soll die x-Achse im Loadingplot die Wellenzahl und die y-Achse die Belastung auf einem PCA darstellen).
Meine Daten sind wie in der folgenden Tabelle sortiert, mit dem Unterschied, dass ich mehr als 5 Variablen und mehr als 3 Stichproben habe 
| Titel/ Wellenlänge | 100 | 101 | 102 | 103 | 104..... |
|---|
| Probe A | | | | | |
| Probe B | | | | | |
| Probe C | | | | | |
Noch besser wäre es, wenn man das auch mit Massenspektren machen könnte. In diesem Fall wäre es wirklich schön, wenn die Daten nach m/z@einer bestimmten Zeit sortiert werden könnten. Damit werden 2 Informationen zusammengefasst. wenn möglich. M/z steht in einer Spalte und die Zeit in einer anderen (in den Rohdaten).
Grüße!
Re: PCA mit SpectrumDataMarcokunzelmann0,
Ich würde anbieten, dass Sie etwas Besseres aus der Analyse der partiellen kleinsten Quadrate herausholen können.Diese Art der Analyse scheint mit Spektraldaten sehr gut zu funktionieren.Über den Link unten erfahren Sie mehr über die Verwendung von Partial Least Squares.
Es gibt ein zugehöriges Buch, das ein sehr schönes Beispiel dafür gibt, wie man NIR-Spektren analysiert und dann die Oktanzahl vorhersagt.
Erkennen partieller kleinster Quadrate mit JMP | JMP
