光譜資料探索和建模：該做什麼和不該做什麼在 Novonesis，我們使用光譜（主要是紅外線和近紅外線）來研究複雜的基質。通常使用主成分分析 (PCA) 或偏最小二乘迴歸 (PLS-R) 來探索和分析數據，這些方法尊重並利用各個波長/波數之間的相關性。這些相關性可以增強數據探索和模型構建，但也需要軟體中適當的可視化工具，以確保正確的模型擬合並向科學家、管理者和其他利益相關者展示模型結果。
在本次示範中，我們將展示如何在 Novonesis 使用 PCA 和 PLS 來更好地理解複雜矩陣；我們也強調了 JMP 中 PCA 和 PLS 中缺少的一些功能。
基礎資料分析與建模預測建模和機器學習
