强本固基-8-近红外光谱分析中样本的划分方式及选择依据？

A.  选择代表性样本并完成剔除异常样本后，需要对样本进行划分（此处不讨论样本划分和预处理顺序问题）。通常将样本划分为校正集（训练集）和验证集（测试集），但是在机器学习中可能划分为训练集、验证集和测试集，划分比例通常为7:3或者7:1.5:1.5。对于样本的划分，采用方法包括：Kennard-Stone(K-S)、SPXY方法和随机划分方法，K-S方法基于光谱距离排序划分，SPXY同时考虑参考值和光谱的距离，而随机划分则基于随机数，三者的区别在于训练集的样品覆盖范围。
D. 目前光谱分析默认的一种观念是：校正集需要覆盖较广的浓度范围，这导致实际分析中出现训练集性能优于预测集。此外，对于样本数量对模型影响有相关讨论，以线性模型为例，当参与建模变量为k(k>3)时，默认校正集样品数量一般不低于6k或者5k+1。个人认为，如果从公平对比角度分析，随机划分的可靠性更好。