PLS su dati trasformati da logCiao, ho un problema con la mia analisi dei dati.
Sto cercando di utilizzare i dati spettrali di un fluorometro per quantificare una determinata sostanza nei miei campioni.
Ho creato una grande tabella con la concentrazione della sostanza [C] in una colonna e le diverse colonne sono le lunghezze d'onda misurate [w1, w2 ... w3,000]
ogni riga è un campione in cui la concentrazione è nota e gli spettri sono misurati.
Ho usato PLS per provare a fare un modello di predizione, ma poiché la mia sostanza ha diversi ordini di grandezza, ho usato il log10 [C] invece di C. Sono riuscito a ottenere buoni risultati ma il mio supervisore mi ha avvisato che questo non ha fatto dato che la fluorescenza è LINEARAMENTE CORRELATA CON CONCENTRAZIONE (legge della birra). Quando ho provato a creare un modello utilizzando il raw C, piuttosto che il log10 [C] ho ottenuto risultati peggiori.
Inoltre, e questa è davvero la mia domanda, quando ho provato a fare un modello PLS di log10 [w] contro log10 [C] ho ottenuto esattamente le stesse previsioni (R ^ 2 = 0.997 tra una previsione basata su W grezzo e log10 [W ]). Penso che in qualche modo il PLS stia facendo da solo la log-trns, forse nel ridimensionamento o centratura ... Qualcuno sa se questo è corretto? come mai è possibile realizzare un modello PLS su dati semilavorati e ottenere gli stessi risultati con i dati del Log-Log?
Ri: PLS su dati trasformati da logIl professore aveva troppa birra. (davvero cercando di lavorare un gioco di parole qui)
L'assorbanza si trova su una scala logaritmica e la trasmittanza è su una scala lineare. La trasformazione log ha senso.
La fluorescenza potrebbe essere linearmente correlata con la concentrazione ma l'assorbanza sarà correlata linearmente con la concentrazione.
Spero che tu stia configurando il modello nella piattaforma Partial Least Squres, che da solo ti farà risparmiare alcuni passaggi.
In PLS la risposta è flourescence (o che mai l'altro metodo è) e quindi ogni lunghezza d'onda che si scansiona è colonna, e tutti quelli entrano come X Factors. (una riga per ogni osservazione e, si spera, hai preso più di 2 o tre misurazioni).
