4.3.3 主成分回归 (Principal Component Regression, PCR)

文档摘要

4.3.3 主成分回归 (Principal Component Regression, PCR) 4.3.3 主成分回归 (Principal Component Regression, PCR) 在光谱定量分析中，建立一个能够准确预测待测属性（如浓度、含量等）的模型是核心任务。在4.3章节“定量分析 (校正模型建立)”的框架下，我们探讨各种将光谱数据（X）与待测属性（Y）关联起来的方法。主成分回归（PCR）是其中一种重要且广泛应用的技术，尤其适用于光谱数据存在的典型问题——高维度和多重共线性。 4.3.3.1 背景与动机光谱数据，无论是近红外（NIR）、拉曼（Raman）还是其他类型的光谱，通常包含数百甚至数千个波长点。这些波长点（变量）之间往往存在高度相关性，即所谓的“多重共线性”。