python近红外光谱建模

在Python中，可以使用近红外光谱建模算法来进行建模。其中一种常用的算法是SPXY算法（sample set partitioning based on joint x-y distance）。该算法是在KS算法的基础上发展而来的，其在样品间距离计算时同时考虑了x变量和y变量。具体的距离计算公式可以参考。

而KS算法（Kolmogorov-Smirnov algorithm）是一种常用的数据挖掘算法，它将所有样本都看作训练集候选样本，并依次从中挑选样本进入训练集。它首先选择欧氏距离最远的两个样本进入训练集，然后通过计算剩下的每一个样品到训练集内每一个已知样品的欧式距离，找到距离已选样本最远以及最近的两个样本，并将这两个样本选入训练集。重复这个步骤，直到训练集的样本数量达到要求。更详细的原理可以参考。

因此，使用Python进行近红外光谱建模时，可以根据SPXY算法或KS算法的原理来选择适当的距离计算方法和样本选择策略，以建立准确的模型。<span class="em">1</span><span class="em">2</span>
#### 引用[.reference_title]
- *1* [近红外光谱建模之样本集划分python实现（SPXY算法）](https://blog.csdn.net/Joseph__Lagrange/article/details/95043212)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [近红外光谱建模之样本集划分python实现（KS算法）](https://blog.csdn.net/Joseph__Lagrange/article/details/95042656)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]