研究目的
为解决偏最小二乘回归中的非线性问题并提高模型可解释性,通过结合基于聚类的建模方法与变量选择算法。
研究成果
SAO-PLS为光谱-化学数据的化学计量分析提供了一种更具描述性的非线性处理方法,能生成信息丰富的光谱归属产物并提升可解释性潜力,同时提高模型的预测准确性。
研究不足
该论文未说明SAO-PLS如何实际应用于新样本,这需要基于光谱数据为每个新样本额外分配一个聚类的步骤。
研究目的
为解决偏最小二乘回归中的非线性问题并提高模型可解释性,通过结合基于聚类的建模方法与变量选择算法。
研究成果
SAO-PLS为光谱-化学数据的化学计量分析提供了一种更具描述性的非线性处理方法,能生成信息丰富的光谱归属产物并提升可解释性潜力,同时提高模型的预测准确性。
研究不足
该论文未说明SAO-PLS如何实际应用于新样本,这需要基于光谱数据为每个新样本额外分配一个聚类的步骤。
加载中....
您正在对论文“一种面向光谱分配的方法,以提高基于代理光谱模型的可解释性和准确性”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期