Creación de modelos predictivos para datos espectrales
Vea cómo:
- Construya un modelo empírico sostenible basado en datos espectrales / longitudes de onda
- Examine los datos con Graph Builder para tener una idea de cómo se ven los diferentes espectros
- Utilice el análisis multivariado para examinar todas las longitudes de onda y los coeficientes de correlación resultantes para confirmar la multicolinealidad
- Utilice gráficos de control multivariante impulsados por modelos para examinar todas las variables de longitud de onda, profundizar en los recorridos que están fuera de control e identificar cuántos componentes principales necesita para construir el modelo
- Tome espectros de las muestras deseadas, entendiendo que no hay necesidad de información de salida (Y) en este punto
- Identifique las dimensiones más destacadas en los espectros por fila con los componentes principales funcionales de Functional Data Explorer
- Utilice Functional Principal Component Profiler para tener una idea de cómo cambian sus espectros a medida que cambia la variable de interés
- Guarde las puntuaciones de los componentes principales funcionales en la tabla de datos para usar en el diseño experimental
- Crear un diseño experimental utilizando los componentes principales funcionales como factores (covariables)
- Ejecute el experimento para recopilar la salida de interés
- Modele los resultados a través de PLS y / o regresión generalizada (u otros métodos capaces de manejar factores correlacionados)
- Determine la solución óptima general
- Utilice este modelo sostenible para determinar el resultado de todas las muestras futuras que se analizan con el mismo instrumento calibrado.
- Utilice la gráfica de puntuación para examinar datos categóricos
Nota: Preguntas y respuestas se incluyen en los horarios 24:21, 25:01, 37:01, 37:49, 38:34 y 42:08.
31+ minAvanzadoDominar JMPAnálisis predictivoVídeo
