The UnscrambleX-光谱SVM分类

已于 2023-11-06 16:58:38 修改
阅读量2.4k 收藏 55
点赞数 11
分类专栏： 光谱建模 文章标签： 人工智能
于 2022-06-01 18:11:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43761593/article/details/125087699
版权

上篇文章我大致讲解了几个光谱预处理的方法，没看过的可以点击链接了解一下。
近红外光谱的预处理方法
这篇文章我将讲解如何通过The UnscrambleX实现SVM分类。本文数据集使用的是eigenvector里的公开数据集.

一、导入数据

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二、生成模型

注意：这里需要将最后一列数据类型转换为类别，这一步在画图完成之后操作。
在这里插入图片描述
转换完成之后，选中x
在这里插入图片描述

设置完之后点击options
进行参数寻优
在这里插入图片描述

在这里插入图片描述

选择最大的数值，点击Use setting

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

三、导入测试集并测试模型

前面几步都是一样的，这里不在进行阐述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这一列就是预测值，大家可以复制在excel里同测试集的真实值进行比较。

大致操作就是这些，希望能帮助到大家！

书奇真的苟@
关注
  • 11
    点赞
  • 踩
  • 55
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 9
    评论
专栏目录
unscrambler 内部培训文件
08-07
1 Combine DA 7200 data with reference data in Simplicity 2 Export data from Simplicity 3 Import data into the Unscrambler 4 Develop PLS calibrations for each parameter separately 5 Define a CDF file in Simplicity according to the DA manual 6 MSC pretreatment example in the Unscrambler 7 Reduced wavelength range in Unscrambler calibrations">1 Combine DA 7200 data with reference data in Simplicity 2 Export data from Simplicity 3 Import data into the Unscrambler 4 Develop PLS calibrations for each parameter separately 5 Define a CDF file in Simplicity according to the DA manual 6 MSC pretreatment example in the Unscrambler [更多]
The_Unscrambler_X_10.4 .rar
07-08
The_Unscrambler_X_10.4 .rar 安装包 模拟SVM算法 PCA算法等超好用工具
【SVM分类】基于SPA特征支持向量机SVM实现光谱分类附matlab代码
matlab_dingdang的博客
03-13 2142
​1 简介 目前基于紫外-可见光光谱法的建筑物废弃材料判别模型大多使用主成分分析(PCA)进行特征提取,然而,对于光谱相似度较高的有建筑物废弃材料,仅从数据驱动的角度提取其方差最大的方向作为特征进行识别效果往往不佳。针对有机污染物光谱数据多重共线性以及谱峰重叠干扰的问题,开展了基于连续投影算法(SPA)和支持向量机(SVM)的紫外-可见光光谱建筑物废弃材料判别方法研究。实验结果表明, SPA作为一种提取光谱数据原始特征波段的方法,可以有效的对建筑物废弃材料的紫外-可见光光谱进行特征提取,提升不同物质之间的
The UnscrambleX-光谱SVR定量分析
weixin_43761593的博客
07-24 2377
使用The UnscrambleX 实现光谱SVR定量分析
基于SVM的近红外光谱分类
weixin_42741178的博客
04-30 2101
1 近红外光谱 红外光 近红外光谱仪（Near Infrared Spectrum Instrument，NIRS）是介于可见光（Vis）和中红外（MIR）之间的电磁辐射波，美国材料检测协会（ASTM）将近红外光谱区定义为780-2526nm的区域，是人们在吸收光谱中发现的第一个非可见光区。近红外光谱区与有机分子中含氢基团（O-H、N-H、C-H）振动的合频和各级倍频的吸收区一致，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息，而且利用近红外光谱技术分析样品具有方便、快速、高效、准确和成
Unscramble example
07-13
Unscramble example 实用实例
《异常检测——从经典算法到深度学习》3 基于One-Class SVM的异常检测算法
热门推荐
Smileyan's blog
05-26 1万+
3. 基于 One-Class SVM 的异常检测算法 此篇主要介绍以下内容： One-Class SVM 算法概述 One-Class SVM 算法应用实例 小结 3.1 One-Class SVM 算法概述 SVM (Support Vector Machines)： 支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。 —— 百度百科 One-Class SVM： One-Class SVM是一种无监督算法，它学习用于新颖性(novel
高光谱图像的SVM分类
qq_41852224的博客
08-21 1万+
@Hyperspecteal Image [SVM] 高光谱图像的SVM分类 #本人小菜鸟一只，目前在学习高光谱图像分类的相关知识，感觉分享的代码实在少得可怜，前几天看了几篇大佬的代码分享，若有所思，按自己看得懂的方式重新整理了一下，分享一下。 #这也是我写的第一篇博客，之后可能也会用这样的方式做分享或者管理我的代码，实在是第一次写，有很多地方不熟悉，如果写的水平太低恶心到你了，实在不好意思。 #在此，也把代码的来源，几位的大佬的博客地址引一下 链接1: xiao韩.链接2: 哈士奇说喵.链接3: 冰机灵.
大数据分析案例-基于SVM支持向量机算法构建手机价格分类预测模型
最新发布
m0_64336780的博客
03-01 1万+
本研究将利用SVM支持向量机算法构建手机价格分类预测模型，旨在为消费者提供便捷的购买决策支持，同时为企业市场分析和定价策略提供有价值的参考信息。心得与体会：通过这次Python项目实战，我学到了许多新的知识，这是一个让我把书本上的理论知识运用于实践中的好机会。原先，学的时候感叹学的资料太难懂，此刻想来，有些其实并不难，关键在于理解。在这次实战中还锻炼了我其他方面的潜力，提高了我的综合素质。
基于CNN-SVM-GA的图像分类技术
qq_42935076的博客
01-10 3466
1． 理论基础 1.1卷积神经网络(CNN) 卷积神经网络(CNN)是典型的前馈神经网络，由输入层，隐藏层和输出层组成。隐藏层由卷积层，池化层和全连接层组成。卷积模拟单个神经元对视觉刺激的反应。它使用卷积层卷积输入数据，然后将结果传输到下一层。卷积层由一组卷积核组成。尽管这些内核具有较小的感知视野，但是内核延伸到输入数据的整个深度。卷积运算可以提取输入数据的深层特征。 1.1.1 卷积神经网络概述 卷积神经网络(CNN)是神经网络的一种，是深度学习的代表算法之一，卷积神经网络通过卷积、池化等操作可以
unscrambler 教程
09-03
如何操作和使用unscrambler软件，深入浅出，配备实例。
Unscrambler 教程-PPT
09-11
很好的讲解Unscrambler软件使用的教程
Unscrambler9.7软件-3
03-25
THE UNSCRAMBLER是CAMO的旗舰产品，它在1981年由HARALD MARTENS教授创建，从1984年开始由CAMO进一步的开发，是当今市场上最好的多元数据分析软件包之一。 由于上传文件大小的限制，只能压缩成4个压缩包，需要下载完全这四个压缩包解压后才能完成安装然后还需要下载Unscrambler9.7crack压缩包，替换文件后就完成破解
高光谱图像分类--SVM
09-15
matlab 本身自带的SVM有缺陷，libsvm使用起来麻烦，本程序使得你只用两行代码就能搞定图像的分类，简单轻松。感兴趣的可以下去试一下，因为代码是本人研究课题中的一部分，暂时不方便公开，但大家可能方便地使用。...
基于ACO-SVM的光谱分类算法研究.pdf
05-20
基于ACO-SVM的光谱分类算法研究.pdf
5-SVM-分类_SVM-分类_
09-29
基于SVM的数据分类小程序，相对于其他分类程序，有较高的效率，可参考学习。
QPSO-SVM、PSO-SVM、SVM分类预测对比（Matlab完整源码和数据)
11-15
QPSO-SVM（量子粒子群优化支持向量机）、PSO-SVM（粒子群优化支持向量机）、SVM（支持向量机）分类预测对比（Matlab完整源码和数据) 应用于支持向量机进行分类，并对比改进算法与标准粒子群算法的预测性能，结果...
the unscrambler x下载
08-28
The Unscrambler X是一款功能强大的数据分析软件，广泛应用于各个领域的数据处理工作。它拥有直观的用户界面和丰富的数据处理功能，可以对各种类型的数据进行深入分析和可视化展示。 The Unscrambler X提供了多种统计方法和机器学习算法，可以帮助用户快速处理和解释复杂的数据集。它支持多元统计分析、聚类分析、主成分分析、回归分析、分类分析等多种数据分析方法，帮助用户从数据中发现隐藏的模式和关联性。 此外，The Unscrambler X还支持多种数据导入格式，包括Excel、CSV、TXT等，使用户能够方便地导入各种数据源进行分析。它还提供了直观的数据可视化功能，包括散点图、折线图、柱状图等，可以帮助用户更直观地理解和解释数据。 作为一款专业而强大的数据分析工具，The Unscrambler X适用于各个行业领域，包括生物技术、制药、化学、食品与饮料、环境科学等。它提供了一系列实用工具和方法，使用户能够更好地利用数据进行决策和优化。 总而言之，The Unscrambler X是一款值得信赖的数据分析软件，它将帮助用户轻松处理和解释复杂的数据，从而提高工作效率并做出更准确的决策。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

书奇真的苟@

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值