支持向量机（SVM, Support Vector Machine)

90个样本，用SVM应该问题不大，如果是900个样本，那建模绝对是对电脑的考验。
个人感觉，实际应用的话核偏最小二乘（KPLS）可能更好点，建模速度不会很慢，又可以实现非线性建模。
不过话说回来，大部分情况下，偏最小二乘和主成分已经可以满足实际使用要求了。非线性建模可能少数特殊情况下有点用途。

支持向量机就是小样本的，如果大样本可以考虑神经网络。核偏最小二乘（KPLS）在近红外应用还真不清楚，应用最多算法ipls、bipls、sipls、gapls、mwpls。关于kpls我脑补下。谢谢啊

lz用过svm吗？能不能解释一下为什么有时候我用两维主成分使用肉眼直接就能将两类样品光谱区分开，但是用svm要使用4到5个甚至更多主成分才能将两类样品完全分离呢？

我用过LS-SVM做的定量分析，定性这块我还真不了解。