As the next step it is necessary to

As the next step it is necessary to validate multivariate models on the external prediction set of authentic samples and their blends, which were not used for calibration of regression models. To do this the external validation data set I was used, which consisted of heparin blends with 1.9–11.4% w/w of bovine content. In these mixtures low bovine content was deliberately spiked in porcine heparin to test the multivariate models. RMSEP ranged from 0.9% for PLS to 2.6% to SR demonstrating that constructed models are applicable for new heparin samples (Table 1). Good fitness was obtained for PLS (R2 = 0.91), RR (R2 = 0.96), and SPCR (R2 = 0.86) models, whereas SR failed to provide reliable quantitative results (R2 = 0.62). As an example, Fig. 5 showed the predicted-reference plot along with 95% prediction bands for bovine content in blends obtained by PLS regression. The values obtained by leave-out-one cross validation are shown for comparison on the same plot. Though prediction bands for external independent set were broader than those for leave-out-one cross validation, new blends were reliably recognized and quantified by PLS method.

ผลลัพธ์ (ไทย) 1:

เป็นขั้นตอนถัดไป จำเป็นต้องตรวจสอบรูปแบบตัวแปรพหุชุดคาดการณ์ภายนอกของตัวอย่างอาหารและผสมของพวกเขา ซึ่งใช้สำหรับการปรับเทียบแบบจำลองถดถอยไม่ ทำชุดข้อมูลตรวจสอบภายนอกที่ไม่ใช้ ซึ่งประกอบด้วยเฮพารินผสมกับ 1.9 – 11.4% w/w ของวัวเนื้อหา ในส่วนผสมเหล่านี้ เนื้อหาต่ำวัวจงใจสามารถ spiked ในเฮพารินช่วงทดสอบรูปแบบตัวแปรพหุ RMSEP อยู่ในช่วงจาก 0.9% สำหรับกรุณา 2.6% การ SR เห็นแบบจำลองที่สร้างขึ้นสำหรับตัวอย่างเฮพารินใหม่ (ตารางที่ 1) ออกกำลังกายที่ดีที่ได้กรุณา (R2 = 0.91), RR (R2 = 0.96), และ SPCR (R2 = 0.86) โมเดล ในขณะที่ SR ไม่สามารถให้ผลลัพธ์น่าเชื่อถือเชิงปริมาณ (R2 = 0.62) เป็นตัวอย่าง Fig. 5 แสดงพล็อตอ้างอิงทำนายกับวง 95% คาดเดาเนื้อหาวัวในผสมได้ โดยกรุณาการถดถอย มีแสดงค่าที่รับ โดยตรวจสอบไขว้หนึ่งปล่อยออกสำหรับการเปรียบเทียบในแผนเดียวกัน แม้ว่าวงการคาดเดาสำหรับเซตอิสระภายนอกได้กว้างขึ้นกว่าการสอบข้ามหนึ่งลาออก ผสมใหม่ได้รับรู้ได้ และ quantified โดยวิธีกรุณา

ผลลัพธ์ (ไทย) 2:

ในฐานะที่เป็นขั้นตอนต่อไปก็เป็นสิ่งจำเป็นในการตรวจสอบรูปแบบหลายตัวแปรในการทำนายภายนอกตั้งของกลุ่มตัวอย่างที่แท้จริงและการผสมของพวกเขาซึ่งไม่ได้ใช้สำหรับการสอบเทียบของรูปแบบการถดถอย การทำเช่นนี้การตรวจสอบข้อมูลภายนอกชุดฉันถูกนำมาใช้ซึ่งประกอบด้วยเฮผสมผสานกับ 1.9-11.4% w / w การเนื้อหาวัว ในเนื้อหาเหล​​่านี้ผสมวัวต่ำถูกแทงจงใจเฮสุกรในการทดสอบแบบหลายตัวแปร RMSEP ตั้งแต่ 0.9% สำหรับ PLS 2.6% แสดงให้เห็นถึงการที่เอสอาร์สร้างแบบจำลองมีผลบังคับใช้สำหรับตัวอย่างเฮใหม่ (ตารางที่ 1) การออกกำลังกายที่ดีที่ได้รับสำหรับ PLS (R2 = 0.91) RR (R2 = 0.96) และ SPCR (R2 = 0.86) รุ่นในขณะที่อาร์ล้มเหลวที่จะให้ผลลัพธ์ที่น่าเชื่อถือในเชิงปริมาณ (R2 = 0.62) ตัวอย่างเช่นรูป 5 แสดงให้เห็นว่าพล็อตที่คาดการณ์อ้างอิงพร้อมกับวงดนตรีที่ 95% คาดการณ์สำหรับเนื้อหาในวัวผสมที่ได้จากการถดถอย PLS ค่าที่ได้จากการลาออกหนึ่งในการตรวจสอบข้ามจะแสดงการเปรียบเทียบในแปลงเดียวกัน แม้ว่าวงดนตรีที่คาดการณ์สำหรับการตั้งค่าอิสระภายนอกได้กว้างขึ้นกว่าผู้ที่ลาออกมาเป็นหนึ่งในการตรวจสอบข้ามผสมใหม่ได้รับการยอมรับและเชื่อถือได้วัดด้วยวิธี PLS

ผลลัพธ์ (ไทย) 3:

เป็นขั้นตอนต่อไปจะต้องตรวจสอบแบบหลายตัวแปรในการทำนายภายนอกชุดของตัวอย่างจริงและผสมของพวกเขา , ซึ่งไม่ได้ใช้สำหรับการสอบเทียบ การถดถอย ทำจากภายนอก การตรวจสอบข้อมูลใช้ชุดซึ่งประกอบด้วย heparin ผสมกับ 1.9 – 11.4 % w / w ของเนื้อวัวในส่วนผสมเหล่านี้ต่ำเนื้อหาเจตนาในสุกรวัวถูกแทงเลือดทดสอบแบบหลายตัวแปร rmsep มีค่า 0.9% สำหรับกรุณาถึง 2.6% ใน SR แสดงที่สร้างแบบจำลองได้ตัวอย่างเลือดใหม่ ( ตารางที่ 1 ) ฟิตเนสที่ดีได้ สนใจ ( R2 = 0.91 ) , RR ( R2 = 0.96 ) และ spcr ( R2 = 0.86 ) รุ่นส่วน SR ล้มเหลวเพื่อให้ปริมาณที่เชื่อถือได้ ( R2 = 0.62 ) ตัวอย่าง รูปที่ 5 แสดงการคาดการณ์อ้างอิงพล็อตพร้อมกับ 95% วงพยากรณ์ปริมาณวัวในการผสมได้กรุณาการถดถอย ได้ โดยออกจากหนึ่งข้ามการตรวจสอบแสดงการเปรียบเทียบในแปลงเดียวกันแต่การทำนายวงตั้งอิสระภายนอกได้กว้างกว่าออกจากหนึ่งข้ามการตรวจสอบ , ผสมใหม่ได้รู้จัก และ quantified โดยกรุณาวิธี