par William Guérin | 30/10/2018 | Actualités LENSKEM
En date du 24 octobre 2018, la société LENSKEM est agréée par le Ministère de l’Enseignement Supérieur, de la Recherche et de l’Innovation (MESRI) en tant qu’organisme exécutant des travaux de Recherche et Développement (R&D) pour le compte d’entreprises. Cet...
lire plus
La régression multivariée est un outil très courant en chimiométrie. Il s’agit d’une extension de l’analyse multivariée, généralement employée pour la représentation de grands volumes de données, pour la prédiction de réponses d’intérêt.
Dans la pratique, la régression univariée est souvent utilisée pour différents étalonnages, notamment en chimie pour la mesure de concentrations (nous pouvons aussi parler de titrage). Toutefois, ces analyses se restreignent à une seule variable ou un seul facteur. La régression multivariée permet d’étendre les développements à plusieurs variables pour exploiter un champ d’étude plus large. Ceci est particulièrement utile en analyse de spectres puisque cela permet de travailler sur l’entièreté de la gamme spectrale sans a priori.
Les régressions multivariées permettent de construire un modèle qui n’est autre qu’une fonction reliant les variables aux réponses. Ainsi, que les données soient issues de spectres ou de mesures de paramètres indépendants, l’utilisation de la régression multivariée est tout aussi efficace.
Quelle que soit l’origine des données, il est recommandé de prétraiter ces dernières afin d’en optimiser l’exploitation. Il existe une très grande variété de prétraitements. Ils présentent des objectifs différents selon les données étudiées.
La méthode de normalisation, par exemple, permet de confronter des facteurs dont les échelles de valeurs varient fortement. Il est ainsi possible de comparer différents paramètres pour une même population d’échantillons, comme la température, la concentration, la masse…
La détection et l’extraction d’outliers permet de s’affranchir des valeurs abérantes suceptibles de biaiser l’analyse d’un jeu de données.
Dans le cas de la spectroscopie, de nombreux prétraitements permettent d’améliorer sensiblement la qualité d’un spectre : corrections de ligne de base, optimisation d’un rapport signal sur bruit…
