PCA con SpectrumData<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao,
Voglio fare un'analisi PCA con dati basati sugli spettri. Il PCA sta funzionando bene e ricevo anche dei buoni risultati. Il problema è che il mio Loadingplot è totalmente sovraffollato perché ho circa 3500 variabili. Sarebbe molto meglio visualizzare il Loadingplot come uno spettro invece di vettori (in questo caso l'asse x nel piano di caricamento deve rappresentare il numero d'onda e l'asse y il caricamento su un PCA).
I miei dati sono ordinati come nella tabella sottostante con la differenza che ho più di 5 variabili e più di 3 campioni 
| Titolo/ lunghezza d'onda | 100 | 101 | 102 | 103 | 104 ..... |
|---|
| Campione A | | | | | |
| Campione B | | | | | |
| Campione C | | | | | |
Sarebbe ancora meglio se fosse anche possibile farlo con spettri di massa. In questo caso sarebbe davvero bello se i dati potessero essere ordinati dopo m / z @ un certo tempo. In modo che le 2 informazioni siano raggruppate insieme. se possibile. M / z è in una colonna e ora in un'altra (nei dati grezzi).
Saluti!
Re: PCA con SpectrumDataMarcokunzelmann0,
Offrirei che si può ottenere qualcosa di meglio dall'analisi dei minimi quadrati parziali. Questo tipo di analisi sembra funzionare molto bene con i dati spettrali. Puoi saperne di più su come utilizzare i minimi quadrati parziali tramite il link sottostante.
C'è un libro associato che fornisce un bell'esempio di come analizzare gli spettri NIR e quindi prevedere il numero di ottano.
Scoperta di minimi quadrati parziali con JMP | JMP
