Estratègies d’anàlisi de dades en quimiometria: selecció versus compressió (DOI: 10.2436/20.2003.01.30)

Resumen

La quimiometria utilitza eines de mineria de dades per a la modelització empírica de sistemes (bio)químics. El desenvolupament explosiu de les tecnologies de la informació i
de les comunicacions ha possibilitat la fabricació d’una gran varietat de sensors que són capaços de recollir grans quantitats
de dades i emmagatzemar-les en dispositius informàtics. El repte està a extreure eficientment la informació potencial continguda en aquestes dades, la qual cosa depèn en gran
mesura de l’estratègia d’anàlisi usada. Amb tanta quantitat de
dades disponible, cal usar algun procediment de reducció del
nombre de variables a analitzar. En aquest article es presenten
dues estratègies per a aquesta necessària simplificació: compressió versus selecció. La gran diferència entre ambdues
és que en seleccionar, s’eliminen algunes de les variables mesurades, mentre que en comprimir, no. Si la selecció es realitza al principi de la investigació, es corre el risc d’eliminar
variables amb informació útil per resoldre el problema en qüestió. La recomanació és, per tant, comprimir i, si és necessari, seleccionar amb posterioritat. Els beneficis d’aquesta
recomanació s’il!lustren amb diversos exemples reals.

Paraules clau. Quimiometria, estructures latents, anàlisi de
components principals, anàlisi discriminant amb mínims
quadrats parcials, compressió, selecció, mineria de dades,
model de calibratge, diagnòstic multivariant de processos.