Création de modèles prédictifs pour les données spectrales
Voyez comment:
- Construire un modèle empirique durable basé sur des données spectrales / longueurs d'onde
- Examinez les données à l'aide de Graph Builder pour avoir une idée de ce à quoi ressemblent les différents spectres
- Utilisez l'analyse multivariée pour examiner toutes les longueurs d'onde et les coefficients de corrélation résultants pour confirmer la multicolinéarité
- Utilisez les cartes de contrôle multivariées pilotées par modèle pour examiner toutes les variables de longueurs d'onde, explorer les courses qui sont hors de contrôle et identifier le nombre de composants principaux dont vous avez besoin pour construire le modèle
- Prenez des spectres des échantillons souhaités, sachant qu'il n'y a pas besoin d'informations de sortie (Y) à ce stade
- Identifiez les dimensions les plus importantes dans les spectres par ligne avec les composants principaux fonctionnels de l'explorateur de données fonctionnelles
- Utilisez Functional Principal Component Profiler pour avoir une idée de la façon dont vos spectres changent à mesure que la variable d'intérêt change
- Enregistrer les scores des composants principaux fonctionnels dans la table de données à utiliser dans la conception expérimentale
- Créer un plan expérimental en utilisant les composantes principales fonctionnelles comme facteurs (covariables)
- Exécutez l'expérience pour recueillir le résultat qui vous intéresse
- Modélisez les résultats via PLS et / ou régression généralisée (ou d'autres méthodes capables de gérer des facteurs corrélés)
- Déterminer la solution optimale globale
- Utilisez ce modèle durable pour déterminer le résultat de tous les futurs échantillons qui seront analysés à l'aide du même instrument étalonné
- Utilisez le graphique de score pour examiner les données catégoriques
Remarque: les questions-réponses sont incluses aux heures 24:21, 25:01, 37:01, 37:49, 38:34 et 42:08.
31+ minAvancéeMaîtriser JMPAnalyses prédictivesVidéo
