Hola, tengo un problema con mi análisis de datos.
Estoy tratando de usar datos espectrales de un fluorómetro para cuantificar una sustancia determinada en mis muestras.
He creado una tabla grande con la concentración de sustancia [C] en una columna, y las diferentes columnas son las longitudes de onda medidas [w1, w2 ... w3,000]
Cada fila es una muestra donde se conoce la concentración y se miden los espectros.
Utilicé PLS para intentar hacer un modelo de predicción, pero como mi sustancia viene en diferentes órdenes de magnitud, usé log10 [C] en lugar de C. Logré obtener buenos resultados, pero mi supervisor me alertó de que esto no funciona. ya que debido a que la fluorescencia es CORRELADA LINEALMENTE CON LA CONCENTRACIÓN (ley de la cerveza). Cuando intenté hacer un modelo utilizando la C en bruto, en lugar de log10 [C] obtuve peores resultados.
Además, y esta es realmente mi pregunta, cuando intenté hacer un modelo PLS de log10 [w] contra log10 [C] obtuve exactamente las mismas predicciones (R ^ 2 = 0.997 entre una predicción basada en W sin formato y log10 [W ]). Creo que de alguna manera el PLS está haciendo la información de registro por sí mismo, tal vez en la escala o centrado ... ¿Alguien sabe si ésto es correcto? ¿Por qué puede hacer un modelo PLS en datos semi-registrados y obtener los mismos resultados con los datos Log-Log?
El profesor tenía demasiada cerveza. (Realmente tratando de hacer un juego de palabras aquí)
La absorbancia está en una escala logarítmica y la transmitancia está en una escala lineal. La transformación del registro tiene sentido.
La fluorescencia podría estar correlacionada linealmente con la concentración, pero la absorbancia se correlacionará logarealmente con la concentración.
Espero que esté configurando el modelo en la plataforma Partial Least Squres, que solo le ahorrará algunos pasos.
En PLS, la respuesta es la fluorescencia (o que siempre lo es el otro método) y luego cada longitud de onda que escaneas es una columna, y todas ellas entran como X Factores. (una fila para cada observación, y esperamos que haya tomado más de 2 o tres mediciones).
