Creazione di modelli predittivi per dati spettrali
Guarda come:
- Costruisci un modello empirico sostenibile basato su dati spettrali / lunghezze d'onda
- Esamina i dati utilizzando Graph Builder per avere un'idea di come appaiono i diversi spettri
- Utilizzare l'analisi multivariata per esaminare tutte le lunghezze d'onda e i coefficienti di correlazione risultanti per confermare la multicolinearità
- Utilizza i grafici di controllo multivariati basati sul modello per esaminare tutte le variabili di lunghezza d'onda, analizzare le sequenze fuori controllo e identificare il numero di componenti principali necessari per costruire il modello
- Prendi gli spettri dei campioni desiderati, comprendendo che a questo punto non sono necessarie le informazioni di output (Y)
- Identifica le dimensioni più importanti negli spettri per riga con componenti principali funzionali da Esplora dati funzionali
- Usa Functional Principal Component Profiler per avere un'idea di come cambiano i tuoi spettri al variare della variabile di interesse
- Salva i punteggi del componente principale funzionale nella tabella dati per utilizzarli nella progettazione sperimentale
- Creare un progetto sperimentale utilizzando i componenti principali funzionali come fattori (covariate)
- Esegui l'esperimento per raccogliere l'output di interesse
- Modellare i risultati tramite PLS e / o regressione generalizzata (o altri metodi in grado di gestire fattori correlati)
- Determina la soluzione ottimale complessiva
- Utilizzare questo modello sostenibile per determinare il risultato per tutti i campioni futuri che vengono analizzati utilizzando lo stesso strumento calibrato
- Usa il grafico del punteggio per esaminare i dati categoriali
Nota: domande e risposte sono incluse alle ore 24:21, 25:01, 37:01, 37:49, 38:34 e 42:08.
31+ minAvanzatePadroneggiare JMPAnalisi predittivavideo
