參考：BP神經(jīng)網(wǎng)絡(luò)——基于近紅外光譜的汽油辛烷值預(yù)測

1.基于近紅外光譜的汽油辛烷值預(yù)測數(shù)據(jù)集

在回歸問題中經(jīng)常會使用到基于近紅外光譜的汽油辛烷值預(yù)測數(shù)據(jù)集。

**輸出指標：**辛烷值含量
辛烷值是汽油最重要的品質(zhì)指標，傳統(tǒng)的實驗室檢測方法存在樣品用量大、測試周期長和費用高等問題，不適用與生產(chǎn)控制，特別是在線測試。
**輸入指標：**光譜值
近紅外光譜分析方法（NIR），作為一種快速分析方法，已經(jīng)廣泛應(yīng)用于農(nóng)業(yè)、制藥、生物化工、石油產(chǎn)品等領(lǐng)域。其優(yōu)越性是無損檢測、低成本、無污染、能在線分析，更適合于生產(chǎn)和控制的需要。
針對采集得到的60組汽油樣品，利用傅立葉近紅外變換光譜儀對其掃描，掃描范圍為900~1700nm，掃描間隔為2nm，每個樣品的光譜曲線共含有401個波長點。

大家可以直觀的看一組數(shù)據(jù)。
一組輸入輸出值：
光譜值：

辛烷值：88.750

2.回歸問題簡要介紹

可以這樣理解光譜值就是401個特征值，辛烷值就是輸出值。
一般來說在回歸問題中，我們想得到利用多組以上數(shù)據(jù)建立一個函數(shù)f(x₁,x₂,x₃…x₄₀₀,x₄₀₁)。
簡單介紹一下回歸問題，我們從分類問題延伸出去。
分類問題大家都很熟悉圖片分類、文本分類、機械故障數(shù)據(jù)分類等等，我們會根據(jù)已知的特征值和類別來訓練模型，我們得到的也是一個函數(shù)，只不過這個函數(shù)輸出是離散的只有固定的幾種類別。
而回歸問題則是，根據(jù)特征值和連續(xù)輸出值構(gòu)建一個連續(xù)函數(shù)。

??

如果您覺得本文寫的不錯，歡迎點贊評論收藏！

總結(jié)

以上是生活随笔為你收集整理的辛烷值预测数据集说明的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。