En Novonesis, utilizamos espectroscopia (principalmente IR y NIR) para investigar matrices complejas. Los datos se exploran y analizan comúnmente mediante análisis de componentes principales (PCA) o regresión de mínimos cuadrados parciales (PLS-R), que son métodos que respetan y utilizan la correlación entre las longitudes de onda/números de onda individuales. Estas correlaciones permiten una mejor exploración de datos y la construcción de modelos, pero también requieren herramientas de visualización adecuadas en el software para garantizar un ajuste correcto del modelo y presentar los resultados del modelo a científicos, gerentes y otras partes interesadas.
En esta presentación, mostramos cómo usamos PCA y PLS en Novonesis para obtener una mejor comprensión de las matrices complejas; también destacamos algunas características faltantes en PCA y PLS en JMP.
