Análise
Configurando Análise
Softbeef realiza análise de dados utilizando método de PLSR. Para este processo deve ser informado quais dados serão os preditores (X) e quais dados serão a resposta (Y). O método dos mínimos quadrados parciais é um modelo baseado em variáveis latentes (fatores), onde cada fator é definido como uma combinação linear das variáveis originais das matrizes X (variáveis independentes) ou Y (variáveis dependentes).
Em linhas do X deve ser informado quais serão os dados de treinamento, ou seja quais linhas serão utilizados para treinar o algoritmo. Na figura acima foi utilizado como exemplo as linhas de número 1 a 24 de um total de 39 linhas, ou seja 61% dos dados serão utilizados para o treinamento.
Em colunas do X serão utilizados os espectros nanômetros(nn) da coluna 9 a coluna 268, neste exemplo serão utilizados os comprimentos de onda de 200nn a 1495nn.
Em linhas de Y deve ser informado quais serão os dados de validação, ou seja quais linhas serão utilizadas para validar o algoritmo. Na figura acima foi utilizado como exemplo as linhas de número 25 a 39 de um total de 39 linhas, ou seja 39% dos dados serão utilizados para o validação.
Em colunas de Y deve ser informado qual atributo da qualidade da carne esta sendo estudado, no exemplo acima esta sendo estudado o PH que esta armazenado na coluna 3 da planilha.
Para gerar o modelo deve ser marcado a caixa "Salvar Modelo" na aba "Modelo de Entrada", será criado uma nova planilha, sendo a primeira coluna o atributo de resposta, e demais colunas as amostras de treinamento.
Na aba de Transformação pode ser escolhido qual métodos de transformação de dados poderá ser utilizado, sendo disponível os métodos (Derivativa Savitzky Golay, SNV, MSC e Baseline)
Na aba de algoritmo é possível informar o número máximo de Interações que o algoritmo NPALS será executado.
Realizado Análise
Ao executar algoritmo é apresentado uma série de gráficos tais como: (Spectro original, Spectro Alterado de acordo com o método de transformação selecionado, Número de componentes PLS, Coeficiente PLS e a relação entre valores preditos e medidos para o atribuito selecionado.
Um indicador para verificar a qualidade do modelo é R2, neste exemplo o R2 foi de 0,851 ou seja, os dados selecionados para treinamento consegue explicar 85,1% do atributo PH selecionado.
Na aba de PLSR Resultado da planilha selecionada é apresentados os valores preditos e valores medidos de cada registro.
