5. Discussion and conclusionsTable

5. Discussion and conclusionsTable 1 gives an overview of the performance of the differentmodels in terms of misclassification of test set samples and for thecross validation procedures (if available). When comparing the dif-ferent models the primary criterion is the number of illegal samplesclassified as legal. This number has to be as low as possible, since
illegal samples classified as legal will, when no other indications orsuspicions are available, pass the customs and come on the mar-ket. The classification of legal samples as illegal is less critical, sincesamples found illegal will be blocked at the customs and sampledfor laboratory analysis. Legal samples found illegal by the model,will be recognised as legal after analysis and released afterwards.Of course it is preferable to reduce the number of legal samplesclassified as illegal, in order to limit the number of legal productsblocked at customs.When comparing the results in Table 1 for the test set samplesit can be concluded that the k-NN models perform the best. For the2-class classification in legal/illegal the proposed model classifiednone of the illegal samples in the test set (18 samples) as legal.Though four legal samples were classified as illegal. None of theother models performs better. The RF model classified only threelegal samples as illegal, but also two illegal samples as legal. Asdiscussed before it is preferred to limit as much as possible thenumber of misclassified illegals, despite a more elevated numberof misclassified legals.For the five class classification two models gave suitable results:the k-NN and the PLS-DA model. In the k-NN model only one ille-gal sample was classified as legal, while four legals were classifiedas illegal. Though it has to be mentioned that four illegal sampleswere unclassified. This does not have to be a problem, since it canbe decided that if a product is unclassified the product is seizedand send to a laboratory for analysis. The PLS-DA model performsslightly worse than the k-NN model, but no unclassified samplesoccur. In total two illegal samples were classified as legal and fivelegal samples were classified as illegal. For both models it was alsoshown that for the illegals, the samples were generally attributedto the right illegal component present, since in each model only oneillegal sample of the test set was attributed to the wrong active sub-stance. The latter was generally the case for all models evaluated.The biggest problem is the differentiation between legal and illegalsamples and not the attribution of the samples, classified as ille-gal, to the right component. When examining the misclassificationsin the different models it can even be said that the biggest prob-lem is the differentiation between classes 2 (corticosteroids) andclass 5 (legal samples). This is probably due to the concentrationof the corticosteroids used in these samples. Corticosteroids arepresent in dosages going from 0.0007% to 0.065%, while tretinoinand hydroquinone are often present in much higher dosages [7].Evaluation of the misclassifications of the different models, both incross validation as in external validation revealed indeed that thelow dosed samples containing corticosteroids are confused withthe legal samples and vice versa.Although the models are performing quite well for the predic-tion of the test set it should be mentioned that the performancesare generally lower for the cross validation. This is not surprising,since during cross validation a part of the training set is deleted,in order to evaluate the performance of a model build with theremaining part. This procedure is repeated until all samples werepredicted once as member of a test set. This means that for examplein 10-fold cross validation, the predicted results from the cross vali-dation are based on 10 different models. The fact that the predictive performance of a model is lower in cross validation than with anexternal test set shows that the model is not robust, which can beexplained by the high variability in matrices present in the sampleset. In other words the models are performing well, but have to berendered more robust before being used in routine screenings. Theonly way to do so is adding more samples to the data set.In general it can be concluded that ATR-IR can be a valuabletool for customs to make a first evaluation of samples, suspect ofcontaining illegal whitening agents. The analysis needs no samplepreparation and if a data set of enough samples can be establishedthe interpretation can be fully automated using basic chemometricmodels. The technique can be used to differentiate samples contain-ing illegal whitening agents from the ones which do not and to havea first idea of the illegal component present. Off course the evalua-tion of the suspicious character of packaging and documents shouldalways be taken into account and the results for samples classifiedas illegal should be confirmed by laboratory analysis. Using ATR-IRtechnology, for a first screening of samples, could limit the numberof samples blocked, unnecessarily at the customs.As a final remark it should be mentioned that the models pre-sented here can only be used to detect illegal whitening agents.When one wants to use ATR-IR for the detection of other compo-nents different chemometric tools should be evaluated to modelthe ATR-IR spectra in order to select the most appropriate strategy.The combination of ATR-IR and the optimal chemometric modellingtechnique is dependent on the problem to be solved and can changein function of the components to be detected

ผลลัพธ์ (ไทย) 1:

5. สนทนาและ conclusionsTable 1 ให้ภาพรวมของประสิทธิภาพของ differentmodels ใน misclassification ตัวอย่างชุดทดสอบ และ thecross กระบวนการตรวจสอบ (ถ้ามี) เมื่อเปรียบเทียบรูปแบบ dif ferent เกณฑ์หลักคือ หมายเลขของ samplesclassified ไม่ถูกต้องตามกฎหมาย หมายเลขนี้ได้เป็นที่สุด ต่ำสุดตั้งแต่
ตัวอย่างที่ถูกจัดให้เป็นกฎหมายจะ เมื่อ orsuspicions บ่งชี้อื่น ๆ ไม่มี ผ่านศุลกากร และมามี.ค.-ket การจัดประเภทของตัวอย่างทางกฎหมายเป็นไม่ถูกต้องเป็นสิ่งสำคัญน้อย sincesamples พบไม่ถูกต้องจะถูกบล็อคการวิเคราะห์ปฏิบัติศุลกากรและ sampledfor ตัวอย่างกฎหมายที่พบไม่ถูกต้องตามแบบจะรับเป็นกฎหมายหลังจากวิเคราะห์ และนำออกใช้ภายหลังแน่นอนมันเป็นกว่าลดจำนวน samplesclassified กฎหมายเป็นกฎหมาย เพื่อจำกัดจำนวนของ productsblocked กฎหมายที่ศุลกากรเมื่อเปรียบเทียบผลลัพธ์ในตารางที่ 1 สำหรับการทดสอบการตั้งค่า samplesit ได้สรุปว่า แบบจำลองเอ็นเอ็นเคดำเนินการที่ดีที่สุด การจัดคลา the2 ในกฎหมาย/ไม่ถูกต้อง classifiednone นำเสนอรูปแบบอย่างไม่ถูกต้องในการทดสอบตั้งค่า (ตัวอย่าง 18) เป็นกฎหมายแม้ว่า ตัวอย่างกฎหมายสี่ถูกจัดประเภทเป็นไม่ถูกต้อง รุ่น theother ไม่มีทำดี แบบ RF แบ่งเฉพาะตัวอย่าง threelegal เป็นไม่ถูกต้อง แต่ยังไม่ถูกต้องมาทดสอบเป็นกฎหมาย Asdiscussed ก่อนที่จะต้องจำกัดเท่าที่ thenumber เป็นไปได้ของงาน illegals, numberof สูงมากแม้มีงาน legalsการจัดชั้นห้า สองรุ่นให้เหมาะสมผลลัพธ์: k-NN และรุ่นกรุณาดา ในรูปแบบ k-NN ille กัลอย่างเดียวถูกจัดประเภทเป็นกฎหมาย ขณะที่สี่ legals classifiedas ไม่ถูกต้อง ว่าต้องจะกล่าวถึงที่สี่ไม่ถูกต้อง sampleswere ไม่ได้แยกประเภท ไม่จำเป็นปัญหา ตั้งแต่ canbe ตัดสินใจว่า ผลิตภัณฑ์ไม่ได้แยกประเภท ผลิตภัณฑ์ seizedand ส่งถึงห้องปฏิบัติการสำหรับการวิเคราะห์ ดากรุณารุ่น performsslightly แย่กว่าแบบ k-NN แต่ไม่ samplesoccur ไม่ได้แยกประเภท รวมตัวอย่างไม่ถูกต้องทั้งสองถูกจัดให้เป็นกฎหมายและ fivelegal ตัวอย่างถูกจัดประเภทเป็นไม่ถูกต้อง สำหรับทั้งสองรุ่น ก็ alsoshown ว่า สำหรับ illegals ตัวอย่างได้โดยทั่วไป attributedto ปัจจุบัน ส่วนประกอบทางกฎหมายเนื่องจากในแต่ละรุ่นเพียง oneillegal ตัวอย่างของการทดสอบ ชุดถูกบันทึกท่าทางย่อยของใช้งานไม่ถูกต้อง หลังคนโดยทั่วไปสำหรับแบบจำลองทั้งหมดที่ประเมินปัญหาที่ใหญ่ที่สุดคือ สร้างความแตกต่างระหว่างกฎหมาย และ illegalsamples และไม่แสดงตัวอย่าง จัดเป็น ille-กัล องค์ประกอบเหมาะสม เมื่อตรวจ misclassificationsin รูปแบบแตกต่างจะสามารถแม้จะกล่าวว่า lem prob ที่ใหญ่ที่สุดคือ สร้างความแตกต่างระหว่างคลา andclass (corticosteroids) 2 5 (ตัวอย่างกฎหมาย) อยู่คงเนื่องจากการ concentrationof corticosteroids ที่ใช้ในตัวอย่างเหล่านี้ Arepresent corticosteroids ใน dosages ไปจาก 0.0007% 0.065% ขณะ tretinoinand hydroquinone ได้มักอยู่ใน dosages สูงมาก [7]การประเมินของ misclassifications รุ่นต่าง ๆ ตรวจสอบทั้ง incross ในการตรวจสอบภายนอกเปิดเผยแน่นอนจะสับสนอย่าง thelow dosed corticosteroids ที่ประกอบด้วยตัวอย่างทางกฎหมาย และในทางกลับกันแม้ว่ารุ่นมีประสิทธิภาพ ดีมากสำหรับการ predic-สเตรชันของชุดทดสอบที่ควรจะกล่าวว่า performancesare ล่างโดยทั่วไปสำหรับการตรวจสอบกัน นี้ไม่น่าแปลกใจ เนื่องจากระหว่างการข้ามการตรวจสอบ เป็นส่วนหนึ่งของชุดฝึกอบรมเป็นลบ เพื่อประเมินประสิทธิภาพของรูปแบบการก่อสร้างกับส่วน theremaining ขั้นตอนนี้ซ้ำจน werepredicted ตัวอย่างทั้งหมดครั้งเดียวเป็นสมาชิกของชุดทดสอบ นี้หมายความว่าสำหรับ examplein 10-fold ข้ามตรวจสอบ ผลการคาดการณ์จากไขว้ vali dation อยู่ในรูปแบบต่าง ๆ 10 ความจริงที่ต่ำในระหว่างการตรวจสอบมากกว่า ด้วยการทดสอบ anexternal ชุดแสดงแบบว่าไม่แข็งแรง การมอบประสิทธิภาพของแบบ ซึ่งสามารถ beexplained โดยสำหรับความผันผวนสูงในเมทริกซ์ในการ sampleset ในคำอื่น ๆ แบบจำลองกำลังดี ได้ต้องแข็งแกร่งมากขึ้นก่อนที่จะถูกใช้ในฉากประจำ berendered Theonly วิธีการทำคือเพิ่มตัวอย่างเพิ่มเติมในชุดข้อมูลโดยทั่วไป นั้นสามารถสรุปได้ว่า เอทีอาร์-IR สามารถ valuabletool สำหรับศุลกากรให้ประเมินครั้งแรกของตัวอย่าง สงสัยว่า ofcontaining ตัวแทนขาวไม่ถูกต้อง Samplepreparation ไม่จำเป็นต้องวิเคราะห์ และหากชุดข้อมูลอย่างเพียงพอสามารถตี establishedthe สามารถจะเต็มโดยอัตโนมัติโดยใช้พื้นฐาน chemometricmodels เทคนิคที่สามารถใช้เพื่อแยกความแตกต่างอย่างไม่ถูกต้องกำลังประกอบด้วยขาวตัวแทนจากคนที่ทำไม่ และ havea ความคิดแรกของปัจจุบันของส่วนประกอบที่ไม่ถูกต้อง ออก evalua-สเตรชันของตัวละครที่น่าสงสัยของ shouldalways บรรจุภัณฑ์และเอกสารสามารถนำบัญชีและผลลัพธ์สำหรับตัวอย่างที่ไม่ถูกต้อง classifiedas ควรได้รับการยืนยัน โดยห้องปฏิบัติการวิเคราะห์ ใช้เอทีอาร์-IRtechnology คัดกรองครั้งแรกของตัวอย่าง ไม่จำกัดตัวอย่าง numberof ที่ถูกบล็อค โดยไม่จำเป็นที่การศุลกากรเป็นหมายเหตุสุดท้าย มันควรจะกล่าวว่า นี่ก่อน sented รุ่นสามารถใช้ได้เฉพาะการฟอกสีฟันที่ไม่ถูกต้องตัวแทนต้องการใช้ ควรมีประเมินเอทีอาร์-IR ตรวจเครื่องมืออื่น ๆ compo nents chemometric แตกต่างกับแรมสเป็คตราเอทีอาร์-IR modelthe เพื่อเลือกกลยุทธ์ที่เหมาะสมที่สุดเอทีอาร์-IR และ modellingtechnique chemometric ที่เหมาะสมจะขึ้นอยู่กับปัญหาการแก้ไข และสามารถ changein ฟังก์ชันของส่วนประกอบที่พบ

ผลลัพธ์ (ไทย) 2:

5 คำอธิบายและ conclusionsTable 1 ให้ภาพรวมของประสิทธิภาพการทำงานของ differentmodels ในแง่ของการจำแนกตัวอย่างชุดทดสอบและสำหรับขั้นตอนการตรวจสอบ thecross (ถ้ามี) เมื่อเปรียบเทียบกับรุ่นที่แตก dif-เกณฑ์หลักคือจำนวนของที่ผิดกฎหมาย samplesclassified เป็นกฎหมาย ตัวเลขนี้จะต้องมีที่ต่ำที่สุดเท่าที่เป็นไปได้เนื่องจาก
ตัวอย่างที่ผิดกฎหมายจะจัดเป็นกฎหมายเมื่อไม่มี orsuspicions ตัวชี้วัดอื่น ๆ ที่มีผ่านศุลกากรและมาในตลาดแบบ การจัดหมวดหมู่ของตัวอย่างที่ผิดกฎหมายเป็นกฎหมายที่มีความสำคัญน้อยกว่า sincesamples พบที่ผิดกฎหมายจะถูกปิดกั้นที่ศุลกากรและ sampledfor การตรวจวิเคราะห์ ตัวอย่างกฎหมายพบผิดกฎหมายโดยรูปแบบที่จะได้รับการยอมรับว่าเป็นกฎหมายหลังจากการวิเคราะห์และปล่อย afterwards.Of แน่นอนมันจะดีกว่าที่จะลดจำนวนของกฎหมาย samplesclassified เป็นที่ผิดกฎหมายเพื่อ จำกัด จำนวนของกฎหมาย productsblocked ที่ customs.When เปรียบเทียบผล ในตารางที่ 1 สำหรับ samplesit ชุดทดสอบสามารถสรุปได้ว่ารูปแบบ k-NN ทำงานได้ดีที่สุด การจัดหมวดหมู่ the2 ชั้นในกฎหมาย / ที่ผิดกฎหมาย classifiednone เสนอรูปแบบของตัวอย่างที่ผิดกฎหมายในการทดสอบชุด (18 ตัวอย่าง) ขณะที่ legal.Though สี่ตัวอย่างที่ถูกต้องตามกฎหมายได้รับการจัดเป็นที่ผิดกฎหมาย ไม่มี theother รุ่นมีประสิทธิภาพดีกว่า รูปแบบคลื่นความถี่วิทยุจำแนกตัวอย่าง threelegal เพียงผิดกฎหมาย แต่ยังสองตัวอย่างที่ผิดกฎหมายเป็นกฎหมาย Asdiscussed ก่อนที่จะเป็นที่ต้องการที่จะ จำกัด มากที่สุดเท่าที่เป็นไปได้ของ thenumber illegals แบ่งแม้จะมีจํานวนสูงมากขึ้นแบ่ง legals.For การจัดหมวดหมู่ห้าชั้นสองรุ่นให้ผลที่เหมาะสม: k-NN และ PLS-DA แบบ ในรูปแบบ k-NN เพียงหนึ่งตัวอย่าง Ille-แกลลอนถูกจัดเป็นกฎหมายในขณะที่สี่ Bosch ของฉันเป็น classifiedas ที่ผิดกฎหมาย แม้ว่ามันจะต้องมีการกล่าวถึงว่าสี่ sampleswere ที่ผิดกฎหมายไม่เป็นความลับ นี้ไม่ได้เป็นปัญหาเพราะมัน canbe ตัดสินใจว่าถ้าผลิตภัณฑ์ที่เป็นไม่เป็นความลับผลิตภัณฑ์ที่มี seizedand ส่งไปยังห้องปฏิบัติการสำหรับการวิเคราะห์ รุ่น PLS-DA performsslightly เลวร้ายยิ่งกว่ารุ่น k-NN แต่ไม่มี samplesoccur ไม่เป็นความลับ รวมทั้งสองตัวอย่างที่ผิดกฎหมายได้รับการจัดเป็นตัวอย่างกฎหมายและ fivelegal ถูกจัดเป็นที่ผิดกฎหมาย สำหรับรูปแบบทั้งที่มันเป็น alsoshown ว่า illegals ตัวอย่างได้ทั่วไป attributedto ขวาส่วนปัจจุบันที่ผิดกฎหมายเนื่องจากในแต่ละรุ่นเพียงตัวอย่าง oneillegal ของชุดทดสอบที่ได้รับการบันทึกให้กับการใช้งานที่ไม่ถูกต้องย่อยท่าทาง หลังเป็นกรณีทั่วไปสำหรับทุกรุ่น evaluated.The ปัญหาใหญ่ที่สุดคือความแตกต่างระหว่างกฎหมายและ illegalsamples และไม่แสดงที่มาของกลุ่มตัวอย่างที่จัดเป็น Ille-แกลลอนเพื่อองค์ประกอบที่เหมาะสม เมื่อตรวจสอบ misclassificationsin รูปแบบที่แตกต่างกันก็ยังสามารถกล่าวได้ว่ายิ่งใหญ่ที่สุด prob-LEM เป็นความแตกต่างระหว่างชนชั้น 2 (corticosteroids) andclass 5 (ตัวอย่างตามกฎหมาย) นี่อาจจะเป็นเพราะความเข้มข้น corticosteroids ที่ใช้ในตัวอย่างเหล่านี้ corticosteroids arepresent ในโดไปจาก 0.0007% เป็น 0.065% ในขณะที่ tretinoinand hydroquinone มักจะอยู่ในปริมาณที่สูงมาก [7] .Evaluation ของ misclassifications รูปแบบที่แตกต่างกันทั้งการตรวจสอบ incross ในการตรวจสอบภายนอกเปิดเผยแน่นอนว่า thelow ตัวอย่างยาที่มี corticosteroids กำลังสับสน withthe ตัวอย่างกฎหมายและรอง versa.Although รุ่นมีประสิทธิภาพค่อนข้างดีสำหรับ Predic-การของการทดสอบการตั้งค่ามันควรจะกล่าวว่า performancesare โดยทั่วไปต่ำกว่าสำหรับการตรวจสอบข้าม นี้ไม่น่าแปลกใจเนื่องจากในช่วงข้ามการตรวจสอบส่วนหนึ่งของชุดการฝึกอบรมจะถูกลบออกเพื่อที่จะประเมินผลการทำงานของรูปแบบการสร้างด้วยส่วน theremaining ขั้นตอนนี้จะทำซ้ำจนกว่าทุกตัวอย่าง werepredicted ครั้งหนึ่งเคยเป็นสมาชิกคนหนึ่งของชุดทดสอบ ซึ่งหมายความว่า examplein 10 เท่าการตรวจสอบข้ามผลการทำนายจากข้ามวาลิ-dation จะขึ้นอยู่กับรูปแบบที่แตกต่างกัน 10 ความจริงที่ว่าผลประกอบการคาดการณ์ของแบบจำลองจะต่ำกว่าในข้ามการตรวจสอบกว่าด้วยชุดทดสอบ anexternal แสดงให้เห็นว่ารูปแบบที่ไม่ได้เป็นที่แข็งแกร่งซึ่งสามารถ beexplained โดยความแปรปรวนสูงในการฝึกอบรมอยู่ใน sampleset ในคำอื่น ๆ รูปแบบที่มีประสิทธิภาพดี แต่ต้อง berendered ที่แข็งแกร่งมากขึ้นก่อนที่จะถูกนำมาใช้ในการคัดกรองเป็นประจำ วิธี Theonly จะทำเช่นนั้นจะเพิ่มมากขึ้นในกลุ่มตัวอย่างข้อมูล set.In ทั่วไปก็สามารถสรุปได้ว่า ATR-IR สามารถ valuabletool สำหรับศุลกากรเพื่อให้การประเมินผลครั้งแรกของตัวอย่าง ofcontaining ผู้ต้องสงสัยตัวแทนฟอกสีฟันที่ผิดกฎหมาย การวิเคราะห์ความต้องการไม่มี samplepreparation และหากชุดข้อมูลที่เพียงพอตัวอย่างสามารถตีความ establishedthe ได้โดยอัตโนมัติอย่างเต็มที่โดยใช้ chemometricmodels พื้นฐาน เทคนิคที่สามารถใช้ในการแยกความแตกต่างตัวอย่างมีไอเอ็นจีตัวแทนฟอกสีฟันที่ผิดกฎหมายจากคนที่ไม่ได้และจะ havea ความคิดแรกขององค์ประกอบในปัจจุบันที่ผิดกฎหมาย ออกนอกเส้นทาง evalua-การของตัวละครที่น่าสงสัยของบรรจุภัณฑ์และเอกสาร shouldalways จะนำไปพิจารณาและผลการ classifiedas ตัวอย่างที่ผิดกฎหมายควรได้รับการยืนยันจากการวิเคราะห์ทางห้องปฏิบัติการ โดยใช้ ATR-IRtechnology สำหรับการตรวจคัดกรองแรกของตัวอย่างสามารถ จำกัด กลุ่มตัวอย่างจํานวนที่ถูกบล็อกไม่จำเป็นที่ customs.As คำพูดสุดท้ายที่มันควรจะกล่าวว่ารุ่นก่อน sented ที่นี่สามารถถูกใช้ในการตรวจสอบที่ผิดกฎหมายฟอกสี agents.When ใครต้องการที่จะใช้ ATR-IR สำหรับการตรวจหา Compo-nents เครื่องมืออื่น ๆ chemometric ที่แตกต่างกันควรได้รับการประเมินเพื่อ modelthe ATR-IR สเปกตรัมเพื่อเลือกการรวมกัน strategy.The ที่เหมาะสมที่สุดของ ATR-IR และ modellingtechnique chemometric ที่เหมาะสมขึ้นอยู่กับ ปัญหาได้รับการแก้ไขและสามารถ changein การทำงานของชิ้นส่วนที่จะถูกตรวจพบ

ผลลัพธ์ (ไทย) 3:

5 . การอภิปรายและ conclusionstable 1 ให้ภาพรวมของการดำเนินงานของ differentmodels ในแง่ของการผิดพลาดของตัวอย่างชุดทดสอบและวิธีการตรวจสอบการใช้ ( ถ้ามี ) เมื่อเปรียบเทียบ ferent dif รุ่นเกณฑ์หลักคือจำนวนของ samplesclassified ที่ผิดกฎหมายเป็นกฎหมาย หมายเลขนี้จะเป็นต่ำที่สุด ตั้งแต่
ตัวอย่างที่ผิดกฎหมาย จะแบ่งเป็น เมื่อไม่มีข้อบ่งชี้ orsuspicions พร้อมใช้งาน ผ่านศุลกากรมาเกตุ มี.ค. การจัดหมวดหมู่ของกฎหมายเป็นกฎหมาย มีจำนวนน้อย sincesamples พบผิดกฎหมายจะถูกบล็อคที่ ศุลกากร และการวิเคราะห์ทางห้องปฏิบัติการ sampledfor . ตัวอย่างกฎหมายที่พบผิดกฎหมาย โดยรุ่นจะได้รับการยอมรับเป็นกฎหมายหลังจากการวิเคราะห์และออกหลังจากนั้น แน่นอนมันเป็นดีกว่าที่จะลดจำนวนของกฎหมาย samplesclassified อย่างผิดกฎหมาย เพื่อ จำกัด จำนวนของกฎหมาย productsblocked ที่ศุลกากร เมื่อเปรียบเทียบผลในตารางที่ 1 สำหรับชุดทดสอบ samplesit สามารถสรุปได้ว่า k-nn รุ่นดำเนินการที่ดีที่สุดสำหรับ the2 ระดับการจำแนกในกฎหมาย / กฎหมายแบบ classifiednone ของอย่างผิดกฎหมายในชุดทดสอบ ( 18 คน ) เป็นกฎหมาย แม้ว่ากฎหมายแบ่งเป็นสี่อย่างผิดกฎหมาย ไม่มีรุ่นที่มีประสิทธิภาพดีกว่า RF แบบจัดเพียงตัวอย่าง threelegal เป็นการผิดกฎหมาย แต่ยังสองตัวอย่างที่ผิดกฎหมายเป็นกฎหมายasdiscussed ก่อนที่จะใช้เพื่อ จำกัด จำนวนของ misclassified เท่าที่เป็นไปได้ตามกฎหมายแม้จะมีจำนวนสูงมากขึ้น misclassified บุคคล สำหรับห้าชั้นการจำแนกสองรุ่นนี้ให้ผลที่เหมาะสม : k-nn และ pls-da นางแบบ ใน k-nn รุ่นเดียว ille gal ตัวอย่างตามกฎหมาย ในขณะที่สี่บุคคลเป็น classifiedas ผิดกฎหมายแม้ว่ามันจะกล่าวว่าสี่ผิดกฎหมายเพื่อแยกประเภท . นี้ไม่ได้เป็นปัญหา เพราะมันสามารถตัดสินใจว่าถ้าสินค้าแยกประเภทผลิตภัณฑ์ seizedand ส่งไปยังห้องปฏิบัติการวิเคราะห์ การ pls-da แบบ performsslightly แย่กว่า k-nn โมเดล แต่ไม่แยกประเภท samplesoccur .รวมสองที่ผิดกฎหมายจำนวน จัด เป็น กฎหมาย และ fivelegal ตัวอย่างจำแนกเป็นผิดกฎหมาย สำหรับทั้งสองรุ่น มัน alsoshown เพื่อ illegals ตัวอย่างโดยทั่วไป attributedto สิทธิผิดกฎหมาย ส่วนปัจจุบัน เนื่องจากในแต่ละรุ่นเท่านั้น oneillegal ตัวอย่างของชุดทดสอบประกอบกับท่าทางผิดย่อยที่ใช้งานอยู่หลังโดยทั่วไปคือกรณีแบบประเมิน ปัญหาที่ใหญ่ที่สุดคือความแตกต่างระหว่าง illegalsamples ทางกฎหมายและไม่แสดงที่มาของตัวอย่าง แบ่งเป็น ille แกลลอน , องค์ประกอบที่เหมาะสมเมื่อพิจารณา misclassificationsin รุ่นแตกต่างกันแม้จะบอกว่า prob เล่มใหญ่ที่สุดคือความแตกต่างระหว่างเรียน 2 ( corticosteroids ) andclass 5 ( ตัวอย่างกฎหมาย ) อาจจะเนื่องมาจากปริมาณการใช้ corticosteroids ในตัวอย่างเหล่านี้ ยาคลายกล้าม arepresent ในปริมาณจากฯ ( 0.065 %ในขณะที่ tretinoinand hydroquinone มักอยู่ในที่สูงมากขนาด [ 7 ] การประเมินผลของ misclassifications ของโมเดลที่แตกต่าง ทั้งในการตรวจสอบภายนอก incross ตรวจสอบพบแท้ที่ให้ตัวอย่างที่มีการ corticosteroids มีตัวอย่างโดยหลักกฎหมาย และในทางกลับกัน สับสนแม้ว่ารูปแบบจะแสดงได้ดีในภาวะ predic ของชุดทดสอบมันควรจะกล่าวว่า performancesare โดยทั่วไปลดเพื่อข้ามการตรวจสอบ นี้ไม่น่าแปลกใจเนื่องจากในช่วงข้ามการตรวจสอบเป็นส่วนหนึ่งของชุดฝึกอบรม คือ ลบ เพื่อประเมินประสิทธิภาพของรูปแบบ สร้างด้วย theremaining ส่วนหนึ่งขั้นตอนนี้ซ้ำจนกว่าตัวอย่างทั้งหมด werepredicted เมื่อเป็นสมาชิกของชุดทดสอบ . นี้หมายความ ว่า examplein 10 โฟลด , ทำนายผลลัพธ์จากข้ามวาลี SIRS จาก 10 รูปแบบที่แตกต่างกัน ความจริงที่ว่าประสิทธิภาพการทำนายแบบล่างข้ามการตรวจสอบกว่าด้วยชุดทดสอบ anexternal พบว่ารูปแบบไม่เสถียรภาพซึ่งสามารถให้ผลตอบแทนจากการสูงในเมทริกซ์อยู่ใน sampleset . ในคำอื่น ๆรุ่นนี้มีประสิทธิภาพดี แต่ต้อง berendered แข็งแกร่งมากขึ้นก่อนที่จะถูกใช้ในขั้นตอนการเผา . เพียงวิธีที่จะทำเช่นนั้นคือการเพิ่มตัวอย่างเพิ่มเติมชุดข้อมูล ทั่วไป สรุปได้ว่า atr-ir สามารถ valuabletool ศุลกากรเพื่อให้การประเมินผลแรกของตัวอย่างสงสัย ofcontaining ตัวแทนไวท์เทนนิ่ง ผิดกฎหมาย การวิเคราะห์ความต้องการและไม่ samplepreparation หากชุดข้อมูลตัวอย่างเพียงพอสามารถตีความ establishedthe สามารถอัตโนมัติโดยใช้ chemometricmodels ขั้นพื้นฐาน เทคนิคที่สามารถใช้ในการแยกความแตกต่างอย่างผิดกฎหมาย ไวท์เทนนิ่ง ประกอบด้วย ตัวแทนจากไอเอ็นจีที่ไม่และมีความคิดแรกของผิดกฎหมาย ส่วนปัจจุบันปิดหลักสูตรการประเมินภาวะของตัวละครที่น่าสงสัยของบรรจุภัณฑ์และเอกสาร shouldalways นํามาพิจารณา และผลตัวอย่าง classifiedas ผิดกฎหมายที่ควรได้รับการยืนยันโดยห้องปฏิบัติการวิเคราะห์ การใช้สาร irtechnology สำหรับการคัดเลือกครั้งแรกของตัวอย่าง สามารถ จำกัด จำนวนตัวอย่างบล็อก ไม่จำเป็นที่ศุลกากรเป็นสุดท้ายหมายเหตุมันควรจะกล่าวว่ารุ่นก่อน sented ที่นี่สามารถใช้ตรวจสอบตัวแทนไวท์เทนนิ่ง ผิดกฎหมาย เมื่อหนึ่งต้องการที่จะใช้ atr-ir ตรวจหาของอื่น ๆคอมโป nents แตกต่างกันคีโมเมตริกซ์เครื่องมือที่ควรประเมินเพื่อ modelthe atr-ir spectra ในการเลือกกลยุทธ์ที่เหมาะสมที่สุดการรวมกันของ atr-ir และ modellingtechnique คีโมเมตริกซ์ที่เหมาะสมขึ้นอยู่กับปัญหาและการเปลี่ยนแปลงการทำงานของส่วนประกอบที่จะตรวจพบ