在這篇博文中，高級分析軟件測試員@Mark_Bailey我解釋了一些新的功能在 JMP Pro 17 中。 JMP 開發團隊一直在努力將新的化學計量分析功能融入軟件中。 大多數新功能都以功能數據資源管理器為中心。 現在，只需單擊幾下鼠標，您就可以對曲線數據進行預處理，將預處理後的數據保存到新表中以進行進一步的多變量分析，並在一個平台上完成對該數據的功能分析。 我們將在這篇文章中專注於分析光譜數據，但請注意，該平台幾乎可以分析您的任何化學計量數據，並獲得出色的結果。
非常感謝@clay_barker , @瑞安帕克， 和@chris_gotwalt1用於將這種化學計量分析能力整合到一個平台中。
預處理
預處理光譜數據並不比使用 FDE 容易得多。 有一個新的 Spectral 選項卡，您可以在其中找到多種預處理工具，包括標準正態變量 (SNV)、乘法散射校正 (MSC)、具有一階和二階導數功能的 Savitzky-Golay 平滑以及基線校正。
圖1。 FDE 中內置的新預處理功能的屏幕截圖
我們使用來自 Dyrby 等人的近紅外數據集展示了 JMP Pro 中更新的化學計量分析能力， 應用光譜學第 56 卷，第 5 期，2002 年。
初始預處理
對於該數據集，初始預處理步驟是 SNV，然後是基線校正。 基線校正是整個函數的二次模型。 您可以在下圖中看到預處理如何減輕數據中的大部分變化。
使用單一預處理方法或組合使用它們以充分利用數據標準化。 在許多科學文章中看到的更常見的組合之一是採用 Savitzky-Golay 一階導數，然後採用 SNV 進行最後一步。 這種組合效果很好，但不要羞於嘗試多種組合，看看哪種組合最適合您的數據。
圖 2。 預處理前後的平板電腦近紅外數據
將預處理後的數據另存為新的堆疊表，以進行進一步的多變量分析步驟。 您應該將數據轉回寬格式以進行任何其他分析。
小波建模
我們之前展示瞭如何在 FDE 中使用 B-Splines 和 P-Splines 對光譜數據進行建模。 在 JMP Pro 17 中，主要為化學計量數據添加了新的小波建模功能。 您將在紅色三角形下方找到新的小波模型切換（功能數據瀏覽器 > 模型 > 小波）。
圖 3。 JMP Pro 17 中與 FDE 關聯的模型
與任何一種樣條方法相比，小波建模在擬合具有許多峰值的曲線數據方面要好得多。
如下所示，小波模型輸出可以快速擬合所有 310 個批次的數據。 結果表明，在基於貝葉斯信息準則 (BIC) 的 15 種其他算法中，Symlet 4 模型最適合所有數據。 BIC 最低的模型是最好的。
圖 4。 基於BIC的小波模型選擇與最佳擬合
因為 FDE 為感興趣的曲線的形狀找到了最佳模型，所以您會看到功能主成分 (FPC) 現在稱為形狀函數。
圖 5。 FDE 數據的新形狀函數指定
您還可以看到，特徵值圖仍然顯示了各個形狀函數對形狀變化的解釋程度。
此時，您需要將函數摘要保存到新表中。 單擊函數摘要的紅色小三角並選擇保存摘要。 功能主成分將與小波係數一起保存到這個帶有補充變量的新表中。 我們將在預測建模部分重新訪問此表。
一個新的 Control Chart Builder 函數還繪製了每個樣本 ID 的 FPC 的函數摘要。
圖 6。 控製圖生成器內置在 FDE 中。
和以前一樣，您可以使用 FPCA 模型選擇工具來限制用於定義形狀的組件數量。 當大多數變化由比原始模型中顯示的數量更少的形狀組件解釋時，這種減少將有助於簡化您的模型。
圖 7。 功能主成分（形狀函數）模型選擇工具
小波 DOE 分析
最後一個新功能是小波 DOE 分析，它位於小波的紅色小三角菜單中（Wavelets on Reduce Grid (404)）。
網格上的數據轉換非常快。 縮小的網格確保波數均勻分佈，沒有小數點。 JMP 會為您開發簡化的網格，但如果您願意，您可以控製網格的規則程度。
圖 8。 小波 DOE 選擇選項。
對於這些數據，我們希望查看哪條曲線或一組曲線最能模擬給定的百分比 API。 使用廣義回歸平台快速分析小波係數。 生成的 Wavelet DOE Profiler 用於查找定義不同百分比水平之間差異的波長或設置波長。 由於係數代表波長和分辨率，因此它們用於構建比使用 FPC 可能實現的模型更易解釋的模型。
圖 9。 小波 DOE 能量圖形和 FDOE Profiler。
在上圖中，能量表顯示了所有係數的最顯著差異。 Res 2 在波長 8175 處的係數具有最高能量，約佔有效波長總能量的 27%。 作為獎勵，係數直接代表曲線數據中的特定波長或峰值。
從小波係數構建預測模型
新的匯總表對於統計分析和預測建模很有用。 FPC 可用於構建預測模型，或者另一種選擇是使用廣義回歸平台基於小波係數數據的子集構建預測模型。 正如您在下表邊距中看到的那樣，所有 512 個小波係數都有一列。 很可能，您只需要所有係數的一小部分即可構建良好的預測模型。
圖 10。 小波模型匯總表（512 個係數）。
下面的廣義回歸模型顯示了使用所有小波係數數據作為擬合變量的擬合。 彈性網絡懲罰與 0.56 的彈性網絡 Alpha 一起使用，以包括盡可能多的基本波長，但通過使用模型中的所有 512 個小波係數來避免過度擬合。
圖 11。 廣義回歸模型擬合。
使用您自己的數據集嘗試新技術或要求我們進行演示。 再次感謝我們優秀的開發團隊，我們期待聽到您對這些改變遊戲規則的軟件增強功能的反饋。
