Partial least squares regression (P

Partial least squares regression (PLS1) was used to obtain the multivariate calibration models using the Unscrambler 10.2 (Camo Software, Oslo, Norway). The data set was randomly split into two subsets: the calibration set consisting of 75% of the samples and the external validation set with the remaining 25% of samples. The external validation set may be used to determine the number of latent variables (LV), and is often cited as the most realistic estimate, particularly of the prediction errors. However, it requires a large amount of samples [16,17], such as in the present study. These models were developed with the spectra transformed by taking the Savitzky–Golay second (2D) derivative using a second-order polynomial, with a window of 15 and 25 points [18]. For the extractive model, the best results were obtained by combining the standard normal variate (SNV) with first (1D) derivative transformations using a second-order polynomial, with a window of 2 points [19].

ผลลัพธ์ (ไทย) 1:

สี่เหลี่ยมอย่างน้อยบางส่วนถดถอย (PLS1) ถูกใช้เพื่อขอรับรุ่นสอบเทียบแบบหลายตัวแปรที่ใช้ 10.2 Unscrambler (ซอฟต์แวร์ Camo ออสโล นอร์เวย์) ชุดข้อมูลถูกสุ่มแบ่งออกเป็นส่วนย่อยสอง: การสอบเทียบที่ตั้งประกอบด้วย 75% ของตัวอย่างและการตรวจสอบภายนอกตั้ง 25% ที่เหลือของตัวอย่าง ชุดตรวจสอบภายนอกสามารถใช้เพื่อกำหนดหมายเลขของตัวแปรแฝง (LV), และสุดสมจริงที่สุดประมาณ โดยเฉพาะอย่างยิ่งข้อผิดพลาดที่คาดเดา อย่างไรก็ตาม มันต้องใช้ขนาดใหญ่อย่าง [16,17], เช่นในการศึกษา รุ่นนี้ได้รับการพัฒนา ด้วยสเป็คที่แปลง โดยการ Savitzky – Golay อนุพันธ์อันดับสอง (2D) โดยใช้พหุนามสองสั่ง มีหน้าต่าง 15 และ 25 จุด [18] สำหรับรุ่น extractive ผลลัพธ์ได้รับ โดยรวม variate ปกติมาตรฐาน (เข็ม) กับแรกแปลงอนุพันธ์ (1d) ด้วยพหุนามลำดับสอง หน้าต่างจุด 2 [19]

ผลลัพธ์ (ไทย) 2:

บางส่วนอย่างน้อยสี่เหลี่ยมถดถอย (PLS1) ถูกนำมาใช้เพื่อให้ได้รูปแบบการสอบเทียบหลายตัวแปรโดยใช้ Unscrambler 10.2 (Camo ซอฟแวร์, ออสโล, นอร์เวย์) ชุดข้อมูลที่ถูกแบ่งออกเป็นสองแบบสุ่มย่อย: ชุดสอบเทียบประกอบด้วย 75% ของกลุ่มตัวอย่างและการตรวจสอบภายนอกที่ตั้งส่วนที่เหลืออีก 25% ของกลุ่มตัวอย่าง ชุดตรวจสอบภายนอกอาจจะถูกใช้ในการกำหนดจำนวนของตัวแปรแฝง (LV) และมักจะอ้างว่าเป็นประมาณการที่สมจริงที่สุดโดยเฉพาะอย่างยิ่งข้อผิดพลาดของการทำนาย แต่ก็ต้องใช้จำนวนมากของกลุ่มตัวอย่าง [16,17] เช่นในการศึกษาครั้งนี้ รุ่นนี้ได้รับการพัฒนาด้วยสเปกตรัมเปลี่ยนโดยการ Savitzky-Golay สอง (2D) ตราสารอนุพันธ์โดยใช้พหุนามลำดับที่สองกับหน้าต่างของ 15 และ 25 จุด [18] สำหรับรูปแบบสารผลลัพธ์ที่ดีที่สุดที่ได้รับโดยการรวมตัวแปรปกติมาตรฐาน (SNV) กับครั้งแรก (1) การแปลงอนุพันธ์โดยใช้พหุนามลำดับที่สองกับหน้าต่างของ 2 จุด [19] เป็น

ผลลัพธ์ (ไทย) 3:

การถดถอยกำลังสองน้อยที่สุด ( pls1 ) ถูกใช้เพื่อให้ได้รูปแบบการสอบเทียบหลายตัวแปรโดยใช้ unscrambler 10.2 ( Camo ซอฟแวร์ , ออสโล , นอร์เวย์ ) ชุดข้อมูลการสุ่มแบ่งเป็นสองส่วนย่อย : การตั้งค่าประกอบด้วย 75% ของกลุ่มตัวอย่างและการตรวจสอบภายนอกชุดส่วนที่เหลืออีก 25% ของตัวอย่าง ชุดตรวจสอบภายนอกอาจจะถูกใช้เพื่อกำหนดจำนวนของตัวแปรแฝง ( LV ) , และมักจะอ้างเป็นประมาณการที่เหมือนจริงมากที่สุด โดยเฉพาะอย่างยิ่งในการทำนายผิดพลาด แต่มันต้องมีจำนวนมากอันเป็นตัวอย่าง [ ] , เช่นในการศึกษาปัจจุบัน โมเดลเหล่านี้ถูกพัฒนาด้วยสเปกตรัมแปลงโดยการ golay – savitzky ที่สอง ( 2D ) อนุพันธ์โดยใช้พหุนามอันดับสองกับหน้าต่าง 15 และ 25 คะแนน [ 18 ] สำหรับรูปแบบปริมาณ ผลลัพธ์ที่ดีที่สุดที่ได้จากการรวม variate ปกติมาตรฐาน ( snv ) แรก ( 1D ) การแปลงอนุพันธ์โดยใช้พหุนามอันดับสอง ด้วยหน้าต่าง 2 จุด [ 19 ]