Хемометрія – це не один інструмент, а низка методів, включаючи базова статистика, обробка сигналів, факторний дизайн, калібрування, підгонка кривої, факторний аналіз, виявлення, розпізнавання образів і нейронна мережа.
Кількісні хемометричні моделі можуть базуватися на принципах локально зваженої регресії (LWR), множинної лінійної регресії (MLR), нейронних мереж (NN), штучних нейронних мереж (ANN), часткових найменших квадратів (PLS) або регресії головних компонентів (PCR) .
Їх можна використовувати для всіх типів багатовимірних даних: безперервних, дискретних, спектроскопічних або даних процесу.
- Середнє центрування є найпоширенішою попередньою обробкою. …
- Масштабування використовується, щоб зробити різні змінні порівнянними при включенні в глобальний багатофакторний аналіз.
Хемометричний підхід використовує багатоваріантні методи, тобто всі змінні розглядаються одночасно. Таким чином модель адаптується до даних. Під час побудови моделі, яка відповідає даним, висновки мають узгоджуватися з інформацією, наявною в даних.
По суті, хемометрія та машинне навчання мають прекрасну різницю перший покладається на лінійні зв’язки даних, тоді як другий має справу з великими та нелінійними наборами даних. Машинне навчання передбачає навчання алгоритмів хімічними даними та дозволяє вчити їх на прикладах.
6 Хемометрія та аналіз головних компонентів. Хемометрія – це не один інструмент, а низка методів, включаючи базова статистика, обробка сигналів, факторний дизайн, калібрування, підгонка кривої, факторний аналіз, виявлення, розпізнавання образів і нейронна мережа.