仪器信息网APP

选仪器、听讲座、看资讯

立即体验

当前位置：仪器社区 >光谱 > 近红外光谱（NIR） > 帖子详情

建模时，何时选用非线性校正方法？如何选取非线性校正方法？

Insm_68f50e17

2024/06/17

近红外光谱（NIR）

建模时通常首先尝试线性模型，在线性模型的预测残差较大或有明显分布特征时考虑使用非线性算法。常用的非线性校正方法有人工神经网络（ANN）、支持向量回归（SVR）、极限学习机（ELM）、深度学习等。ANN参数多，训练速度慢，容易导致过拟合；SVR对小样本数据建模特别有效；ELM具有参数少且优化速度快的优势，但也容易过拟合；深度学习需要大量的训练集样本数。可以根据数据本身的特点以及不同非线性校正方法的优缺点来选择合适的方法，也可以根据不同建模方法的建模效果，如交叉验证均方根误差（RMSECV）、相关系数（R）等选择非线性校正方法。

相关话题

ztyzb

第1楼2024/06/17

应助达人

谢谢分享。

0

近期热榜

热门活动

猜你喜欢最新推荐热门推荐更多推荐

品牌合作伙伴

丹纳赫苏州基地打工人的梦想

日立科学仪器

珀金埃尔默仪器（上海）有限公司（PerkinElmer）

珀金埃尔默仪器（上海）有限公司（PerkinElmer）

日本电子株式会社

赛默飞世尔科技

马尔文帕纳科

上海仪电科仪

梅特勒托利多

布鲁克核磁

举报帖子

点赞用户

好友列表

加载中...

正在为您切换请稍后...