辛烷值预测数据集说明

2024-06-16 09:30:27

参考：BP神经网络——基于近红外光谱的汽油辛烷值预测

1.基于近红外光谱的汽油辛烷值预测数据集

在回归问题中经常会使用到基于近红外光谱的汽油辛烷值预测数据集。

**输出指标：**辛烷值含量
辛烷值是汽油最重要的品质指标，传统的实验室检测方法存在样品用量大、测试周期长和费用高等问题，不适用与生产控制，特别是在线测试。
**输入指标：**光谱值
近红外光谱分析方法（NIR），作为一种快速分析方法，已经广泛应用于农业、制药、生物化工、石油产品等领域。其优越性是无损检测、低成本、无污染、能在线分析，更适合于生产和控制的需要。
针对采集得到的60组汽油样品，利用傅立叶近红外变换光谱仪对其扫描，扫描范围为900~1700nm，扫描间隔为2nm，每个样品的光谱曲线共含有401个波长点。

大家可以直观的看一组数据。
一组输入输出值：
光谱值：

辛烷值：88.750

2.回归问题简要介绍

可以这样理解光谱值就是401个特征值，辛烷值就是输出值。
一般来说在回归问题中，我们想得到利用多组以上数据建立一个函数f(x₁,x₂,x₃…x₄₀₀,x₄₀₁)。
简单介绍一下回归问题，我们从分类问题延伸出去。
分类问题大家都很熟悉图片分类、文本分类、机械故障数据分类等等，我们会根据已知的特征值和类别来训练模型，我们得到的也是一个函数，只不过这个函数输出是离散的只有固定的几种类别。
而回归问题则是，根据特征值和连续输出值构建一个连续函数。

如果您觉得本文写的不错，欢迎点赞评论收藏！

辛烷值预测数据集说明相关推荐

BP神经网络实现汽油辛烷值预测，《MATLAB源码+数据集》
发展背景在人工神经网络的发展历史上,感知机(Multilayer Perceptron,MLP)网络曾对人工神经网络的发展发挥了极大的作用,也被认为是一种真正能够使用的人工神经网络模型,它的出现曾掀 ...
K-近邻算法之案例：鸢尾花种类预测--数据集介绍
K-近邻算法之案例:鸢尾花种类预测--数据集介绍本实验介绍了使用Python进行机器学习的一些基本概念. 在本案例中,将使用K-Nearest Neighbor(KNN)算法对鸢尾花的种类进行分类, ...
ML之分类预测：机器学习中多分类预测数据集可视化(不同类别赋予不同颜色)设计思路及代码实现
ML之分类预测:机器学习中多分类预测数据集可视化(不同类别赋予不同颜色)设计思路及代码实现目录机器学习中多分类预测数据集可视化(不同类别赋予不同颜色)设计思路及代码实现代码实现
BP神经网络——基于近红外光谱的汽油辛烷值预测
BP神经网络--基于近红外光谱的汽油辛烷值预测问题描述获取数据解题思路及步骤 1.产生训练集/测试集 2.创建/训练BP神经网络及仿真测试 3.性能评价 4.绘图 Matalab代码问题描述 ...
【行人轨迹预测数据集——ETH、UCY】
行人轨迹预测数据集--ETH.UCY 下载地址文件介绍 EWAP UCY 下载地址 ETH Walking Pedestrians (EWAP): BIWI Walking Pedestrians ...
ML之PDP：基于titanic泰坦尼克是否获救二分类预测数据集利用PDP部分依赖图对RF随机森林实现模型可解释性案例
ML之PDP:基于titanic泰坦尼克是否获救二分类预测数据集利用PDP部分依赖图对RF随机森林实现模型可解释性案例目录基于titanic泰坦尼克是否获救二分类预测数据集利用PDP部分依赖图对R ...
ML之PDP：基于FIFA 2018 Statistics(2018年俄罗斯世界杯足球赛)球队比赛之星分类预测数据集利用DT决策树RF随机森林+PDP部分依赖图可视化实现模型可解释性之详细攻略
ML之PDP:基于FIFA 2018 Statistics(2018年俄罗斯世界杯足球赛)球队比赛之星分类预测数据集利用DT决策树&RF随机森林+PDP部分依赖图可视化实现模型可解释性之详细攻 ...
ML之interpret：基于titanic泰坦尼克是否获救二分类预测数据集利用interpret实现EBC模型可解释性之全局解释/局部解释案例
ML之interpret:基于titanic泰坦尼克是否获救二分类预测数据集利用interpret实现EBC模型可解释性之全局解释/局部解释案例目录基于titanic泰坦尼克是否获救二分类预测数据 ...
天猫重复购买用户预测数据集
天池大赛-天猫重复购买用户预测数据集链接:https://pan.baidu.com/s/1l08kzFk_ttGUAptvoyQLig 提取码:pd98 如若侵权,立删

最新文章

热门文章