实战宝典 原创大赛 仪器问答 仪友会 总帖：8041466今日发帖：547 我的社区 签到
快速导航 采购仪器 提醒
近红外光谱（NIR）
版主:
入住本版
专家:
居民列表

主题：【分享】异常值识别与模型优化方法

浏览0 回复0 电梯直达
Ins_29253308
头像
结帖率：
100%
关注：0 |粉丝：0
新手级： 新兵
发表于：2024/06/24 21:03:11 楼主 管理 分享 倒序浏览 只看楼主 回复 私聊
异常样品对模型的稳健性会产生严重的干扰，在建模过程中需要进行剔除。异常样品一般分为两大类，第一类是高杠杆值样品，其光谱远离整体样品的平均光谱；第二类是预测值与参考值具有显著差异的样品，由参考值测量误差大、光谱测量误差大、参考值录入错误及模型不适用等原因造成。对于定量分析，一般可以采用马氏距离和杠杆值剔除第一类异常样品，利用学生化残差剔除第二类异常样品。对于定性分析，常采用Hotelling’s T2检验或F检验进行异常样品（光谱）的剔除。

在剔除异常样品后，需要对模型进行优化，即选择合适的主成分或变量数建立模型。若所用的主成分或变量数过少，则可能未能充分利用信息，模型会欠拟合，导致模型预测精度下降；而主成分或变量数过多，则可能引入噪声，导致模型过拟合，使得模型稳定性变差。在实际建模中，一般采用交互验证方法进行模型优化，并根据交互验证误差（SECV或RMSECV）或预测残差平方和（PRESS）最小来确定适宜的主成分或变量数。

在模型优化后，需要采用验证集样品对模型的有效性进行验证。验证集样品的选取一般要符合一定的要求。对于定量分析，一般采用验证标准误差（SEV）对校正模型有效性进行验证。对于定性分析，通常采用判别正确率对类模型的有效性进行验证。

具体的异常值识别、模型优化与有效性验证方法及验证样品选取标准参见国家标准GB/T 29858-2013和GB/T37969-2019。
为您推荐
近期热榜
热门活动
您可能想找: 气相色谱仪(GC) 询底价
选参数 看心得 找厂商 查方案
专属顾问快速对接
立即提交
可能感兴趣
手机版： 异常值识别与模型优化方法
猜你喜欢最新推荐热门推荐更多推荐
头像
高级回复 发表评论
品牌合作伙伴
岛津
日立科学仪器
珀金埃尔默仪器（上海）有限公司（PerkinElmer）
日本电子株式会社
丹纳赫
安捷伦
赛默飞世尔科技
普析通用
欧波同
天美
天瑞仪器
德国耶拿
海能技术
马尔文帕纳科
磐诺科技
上海仪电科仪
梅特勒托利多
聚光科技
莱伯泰科
盛瀚
多宁生物
丹东百特
科哲
卓立汉光
屹尧科技
华谱科仪
宝德仪器
优莱博
HORIBA
布鲁克核磁