Retour

Formation "La régression PLS pour l'analyse de données spectrales"

Les techniques PLS avec le logiciel R

Mis à jour le
Formation intra-entreprise Modélisation - méthodes statistiques Autre filière
La régression PLS s’applique quand le nombre de variables est plus important que le nombre d’observations, ou encore lorsqu’il existe une forte multicolinéarité entre les variables explicatives, et même en cas de données manquantes. C'est une technique puissante, communément utilisée pour le traitement des données spectrales.

Les objectifs

  • Expliquer les principes de spectrométrie infrarouge
  • Traiter des données spectrales en utilisant la régression PLS

Public :

Tout public

Pré-requis

Avoir suivi la formation R Initiation ou niveau équivalent

Disposer des connaissances de base en statistiques, en particulier l'analyse discriminante et la régression linéaire.

Programme

Introduction à la spectrométrie infrarouge :

  • Vibrations moléculaires
  • Ondes électromagnétiques
  • Spectres électromagnétiques
  • Oscillateur harmonique / anharmonique
  • Proche vs Moyen Infrarouge

Nettoyage et prétraitement des données :

  • Nettoyage des données de référence (Tests de Cochran, Grubbs …) 
  • Nettoyage des données spectrales (Distance de Mahalanobis)
  • Prétraitement des spectres (normalisation, lissage, dérivation)

La régression PLS :

  • Principe de la PLS
  • Avantage de la méthode comparée à la régression classique 
  • Construction du modèle PLS 
  • Validation croisée et choix du nombre de variables latentes
  • Validation externe
  • Etude de cas pratiques avec le logiciel R  

Autres variantes PLS :  

  • L’analyse discriminante PLS
  • Régression logistique PLS
  • Etudes de cas pratiques avec le logiciel R

Evaluation des acquis

Questionnaire

Méthodes pédagogiques

Exposés et échanges

Exemples et cas pratiques traités avec le logiciel R

Pour en savoir plus...

Conditions Générales de Vente Personnes handicapées Règlement intérieur

Autres formations sur le même thème