最終的な目的は、探索的データ解析、分類、回帰分析、または、それらを組み合わせて解決できる問題ですか? 探索的データ解析には、サンプルのグルーピングを探したり、異常なサンプルを識別する面があります。データのグループ化や分散パターンにおける変数の重要性も調べられます。例えば、探索的な質問としては、
- 熱分解クロマトグラフィーの結果から、合成樹脂の類似性を特定できるか?
- ガスクロマトグラフィーの結果から、3種類のお茶の違いを識別できるか?
- 蛍光X線のデータから考古学的に黒曜石を分類できるか?
分類の明確な問題は、別々のカテゴリーに区別することです。カテゴリー間をどのように区別するのか?、区別するのにはどの変数が一番重要か?。例えば、分類の問題としては、
- 地下に染み込んだ燃料をガスクロマトグラフィーの結果から、既知の燃料に分類できるか?
- HPLCの結果からミコバクテリアの種類をパターン認識できるか?
最後に、目的が混合物を定量したり、または物理や化学的性質を間接的に評価する場合があります。これが回帰の問題です。ここでの焦点は、正確さ、精密さ、そして常に変数の重要性が焦点になります。例えば回帰の問題として、
- バター脂肪への異種脂肪混入判別へPLSを適用できるか?
- 近赤外分光光度計により、ガソリンのオクタン価を予測できるか?
問題の種類が決定されると、データの収集とデータを解析する準備ができたことになります。ここで、データに関して、いつどのように発生したのか、どのタイプの計測方法を使用したのか、それぞれの変数に関しての正確さの程度等を考慮してください。以前に解析をしたことがありましたか?適切な事前情報が存在しますか?サンプルはどのように保存されていますか?一番新しい測定値が、その前に行われた測定と異なりますか?サンプル収集の過程で、装置の性能が変わりましたか?実験計画を行いましたか?
データの質は、明らかにデータ解析から導かれる結論の最終的な質に影響します。常にデータの構造を浮かび上がらせる手順について可能な限りたくさん考える必要があります。このように説明する意味は、時々、上で記述した問題が、はじめに考えていた結果と違う結果が示される場合があるからです。
| 注： |
著作権について：
ここで記載されている情報は、予告なしに変更される場合があり、これらの情報についてジーエルサイエンス（株）およびInfometrix Inc.はいかなる責任も負いません。また、ここで記載されている情報の全部または一部を複写及び使用することを禁じます。 |
|
