近红外光谱用于中药定量分析的技术规范化研究进展(2)
1.4 关于异常样品剔除的问题 用NIR光谱数据建立光谱预测模型时，异常样品(outlier sample)的存在将严重影响模型的预测精度。所谓异常样品，是指浓度标准值或光谱数据存在较大误差的样品。异常样品对模型的影响绝对不可忽视， 必须将其从训练集中剔除，国内学者提出了几种异常样品的判断方法[2022]，其中，采用Dixon检验法和杠杆值与残差t检验准则进行异常样品剔除的方法兼顾了浓度标准值和光谱数据的异常，且操作简便，比较适合中药样品，可在此基础上，对这一方法进行标准化。
1.5 模型性能的评价问题 NIR光谱分析模型建成后，需要对其拟合能力和预测效果进行评价，传统上以模型对来自同一总集的验证集样本的预测偏差作为判断标准，实质上，在模型优化过程中的若干重要环节，比如波段选择、光谱预处理以及最佳主成分数的确定等，都采用预测均方差(RMSEP)作为指标，进行优化，这样就出现RMSEP既是“教练员”又是“裁判员”的情况，无法对模型进行科学的评价，所得模型预测同批次样品效果满意，对新批次样品的预测却有较大偏差。针对这一问题，可引入共识策略(consensus strategy)加以解决[23] ......
您现在查看是摘要页，全文长 4574 字符。
1.5 模型性能的评价问题 NIR光谱分析模型建成后，需要对其拟合能力和预测效果进行评价，传统上以模型对来自同一总集的验证集样本的预测偏差作为判断标准，实质上，在模型优化过程中的若干重要环节，比如波段选择、光谱预处理以及最佳主成分数的确定等，都采用预测均方差(RMSEP)作为指标，进行优化，这样就出现RMSEP既是“教练员”又是“裁判员”的情况，无法对模型进行科学的评价，所得模型预测同批次样品效果满意，对新批次样品的预测却有较大偏差。针对这一问题，可引入共识策略(consensus strategy)加以解决[23] ......
您现在查看是摘要页，全文长 4574 字符。