Verwenden des Functional Data Explorer für SpektraldatenSeit der Einführung des Functional Data Explorer in JMP Pro 14 ist er zu einem unverzichtbaren Werkzeug geworden, um Formmerkmale in Sensordaten zusammenzufassen und daraus Erkenntnisse zu gewinnen. Mit der Veröffentlichung von JMP Pro 17 haben wir neue Tools hinzugefügt, die die Arbeit mit Spektraldaten einfacher machen. Insbesondere das neue Wavelets-Modell ist eine schnelle Alternative zu bestehenden Modellen in FDE für Spektraldaten.
Erfahren Sie, wie Sie:
- Verstehen Sie, was beim Umgang mit Funktions- und Spektraldaten anders ist – Messungen nehmen Zeit in Anspruch
- Sensordaten (z. B. Fermentation)
- Spektrale Daten (zum Beispiel NIR-Spektroskopie)
- Zeitreihendaten (z. B. Verbraucherpreisindex)
- Verstehen Sie die Herausforderungen bei der Vorverarbeitung von Spektraldaten
- Rohdaten sind für die direkte Verwendung nicht immer sauber
- Typische Probleme sind Grundlinie, Streuung und Rauschen
- Es stehen Standard-Vorverarbeitungsalgorithmen für Normalvariate, multiplikative Streuungskorrektur, Savitky-Golay-Filter und Basislinienkorrektur zur Verfügung
- Typische Probleme sind Grundlinie, Streuung und Rauschen
- Verstehen Sie die in JMP Pro verfügbaren Datenmodelle
- B-Spline – Eine stückweise Polynomkurve, und die Knoten sind die Punkte, an denen sich die Teile für nichtperiodische Daten treffen
- P-Splines-Basis – Ein stückweise polynomial bestrafter B-Spline und die Knoten sind die Punkte, an denen sich die Teile treffen
- Fourier – Für periodische (oszillierende) Daten
- Wavelets (Haar, Biorthogonal, Coiflet, Daubechies und Symlet) – Für Situationen, in denen das Signal Diskontinuitäten und scharfe Spitzen enthält
- Analysieren Sie eine Massenspektrometrie-Fallstudie zu Prostatakrebs, um Veränderungen in der Proteinexpression zu charakterisieren
- Analysieren Sie eine HPLC-Fallstudie zu Sophorolipiden-Biotensiden, um die Bedingungen für die Peaktrennung zu optimieren
Video 1:
Video 2:
Video 3:
Ressourcen
Erweiterte statistische Modellierung
