基于LASSO算法的光谱变量选择方法研究

作者：王恺怡; 杨盛; 郭彩云; 卞希慧^*

来源：分析测试学报, 2022, 41(03): 398-408.

DOI：10.19969/j.fxcsxb.21070503

• 多元校正
• 变量选择
• 最小绝对收缩与选择算子(LASSO)
• 光谱分析

光谱分析技术由于具有简单、快速、无损等优势，在复杂体系的定性和定量分析中得到了广泛应用。然而光谱中往往包含成百上千的波长点，有些波长点与研究的目标性质并不相关，加大了计算量并降低了模型的预测准确度。因此，在建立模型前需要进行变量选择。最小绝对收缩与选择算子（LASSO）可将回归系数收缩为0，进而达到变量选择的目的。该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择，基于偏最小二乘（PLS）和多元线性回归（MLR）模型，分别对香油和肌氨酸的含量进行定量分析，并与无信息变量消除-PLS(UVE-PLS)、蒙特卡罗结合UVE-PLS(MCUVE-PLS)和随机检验-PLS(RT-PLS)3种变量选择方法进行比较。结果表明，基于LASSO的变量选择方法保留的变量数最少，运算速度最快。对三元调和油样品，LASSO-PLS预测的准确度最高；对生物样品，LASSO-MLR预测的准确度最高。因此，基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用。

• 单位
  天津工业大学; 宜宾学院