by liao 2013.1.23 红外光谱分析 化学计量学软件Unscrambler9.7 PLS1红外光谱分析建模 （帮助里自带例题消费者对果酱质量的偏爱性分析-tutor_b 每一步超详细步骤，自己总结加翻译） PCA\PLS2\PLS1 问题1：找到覆盆子果酱主要的感官质量特征 问题2：找出主要感官质量特征和化学测量值的关系 问题3：通过主要感官质量特征预测未知样的参数 看重 PCA 解释方差图（the Explained Variance：残余方差曲线），得分和权重 PLS2 解释方差图（the Explained Variance：残余方差曲线）：残余方差曲线 ，得分，权重，模型预测能力-Predicted vs Measured PLS1 解释方差图（the Explained Variance：残余方差曲线）， 模型预测能力-Predicted vs Measured， 模型系数RW-Regression Coefficients， 预测时： 模型预测错误率RMSEP 基本设置: 1 打开自带例子tutorial B L A B 为化学变量； Absorban 吸收性 Soluble 可溶解性 Acidity 酸性为设备变量（比色法测得），6个变量放在设备变量里 preference 变量是消费者偏爱性 20个样品：12个用来建模，叫做校正集；其他8个为预测集。 2 插入类别变量 Cultivar、Harvest Time Edit - Insert - Category Variable 同理，收获时间分类变量Harvest Time ，变量名为蓝色。数据表中双击选择对应值如下图 3 样品、变量设置 Modify - Edit Set 样品： 变量： 问题1：找到覆盆子果酱主要的感官质量特征解决方法 1 PCA 建模 因为只考虑 X 变量 分析： 1 解释残余方差图 选中右下方，Plot - Variancesand RMSEP 得到解释方差图，3个主成分描述了92%的验证变量信息、97%的校正变量信息。 2 解释得分图： 选中得分图，Edit - Options-SampleGrou ping -Enable Sample Grou ping，再按下图设置： 得到： 按照收获时间分类，分成了三类，以不同颜色标示。 3 解释权重矩阵 选中权重矩阵，View - Correlation Loadings 显示REDNESS and COLOUR 在主成分1的最右边，离得很近，远离中心，非常接近100%解释方差椭圆（内椭圆为50%解释方差），得出颜色和发红性很相关，也意味着得分图右边的样品这两个变量的含量值很高。 主成分2轴上，R.SMELL and R.FLAV 在正上方，两者很相关，且与在正下方的 FLAV 呈负相关。在得分图上，越往上，有很高 R.SMELL and R.FLAV。 得分图和相关权重图显示C2H3 and C1H3有很高的...
