光谱数据探索和建模：注意事项在 Novonesis，我们使用光谱学（主要是红外和近红外）来研究复杂基质。通常使用主成分分析 (PCA) 或偏最小二乘回归 (PLS-R) 来探索和分析数据，这些方法尊重并利用各个波长/波数之间的相关性。这些相关性有助于增强数据探索和模型构建，但也需要软件中适当的可视化工具来确保模型正确拟合并向科学家、管理人员和其他利益相关者展示模型结果。
在本次演示中，我们展示了如何在 Novonesis 使用 PCA 和 PLS 来更好地理解复杂矩阵；我们还重点介绍了 JMP 中 PCA 和 PLS 中缺少的一些功能。
基础数据分析与建模预测模型和机器学习
