基于LASSO算法的光谱变量选择方法研究

摘要：

光谱分析技术由于具有简单、快速、无损等优势,在复杂体系的定性和定量分析中得到了广泛应用.然而光谱中往往包含成百上千的波长点,有些波长点与研究的目标性质并不相关,加大了计算量并降低了模型的预测准确度.因此,在建立模型前需要进行变量选择.最小绝对收缩与选择算子(LASSO)可将回归系数收缩为0,进而达到变量选择的目的.该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择,基于偏最小二乘(PLS)和多元线性回归(MLR)模型,分别对香油和肌氨酸的含量进行定量分析,并与无信息变量消除-PLS(UVE-PLS)、蒙特卡罗结合UVE-PLS(MCUVE-PLS)和随机检验-PLS(RT-PLS)3种变量选择方法进行比较.结果表明,基于LASSO的变量选择方法保留的变量数最少,运算速度最快.对三元调和油样品,LASSO-PLS预测的准确度最高;对生物样品,LASSO-MLR预测的准确度最高.因此,基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用.

关键词：多元校正;变量选择;最小绝对收缩与选择算子(LASSO);光谱分析

所属期刊栏目：41

分类号：O657.63;R136.33(分析化学)

资助基金：教育部国家留学基金;过程分析与控制四川省高校重点实验室开放基金项目

在线出版日期：2022-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：398-402,408