三三维荧光平行因子学习记录--使用DOMfluor工具箱进行平行因子分析( 四 ) _因子分析

第七步：随机初始化
接下来，将使用模型的随机初始化对整个数据拟合一系列模型。我们需要确保我们导出的模型实际上是最小二乘结果，而不是局部极小值。模型使用交替最小二乘算法进行拟合，与其他迭代拟合程序（例如简单非线性回归）一样，它可能会受到初始估计值的影响。在这一步中，使用随机初始化过程来拟合具有相同数量组件的多个模型，以便我们找到真正的最小二乘结果（最佳拟合）。
使用随机初始化运行10个四组件模型。这需要15-20分钟，我们输入：
[Random]=RandInitAnal(AnalysisData,4,10);
一旦建模完成，将绘制一个显示每个模型的误差平方和的图。具有最小二乘结果的模型用绿色圆圈高亮显示。（无需使用函数重新运行分析，即可重新绘制曲线图）。
使用之前使用的和函数（例如（，4）、（，4））检查模型的加载和拟合。
最后，检查发射和激发载荷是否与之前的对半验证中发现的相同。应始终如此，但建议进行检查。这可以通过重新绘制对半分析结果来实现，我们输入：
SplitHalfValidation(Random,'1-2',4)
如果没有问题我们进行下一步。
第八步：绘制组分图
要创建每个组件的曲面或等高线图，可以使用或函数。每个组件都将在单独的窗口中标绘，我们输入：
ComponentEEM(Random,4)
绘制曲面的组分图：
ComponentSurf(Random,4)
第九步：数据导出
现在，一个六分量模型已经拟合并验证了数据，如果需要，可以使用函数将结果导出到中。这将创建一个excel文件，其中包含每个样品中每个成分的荧光强度以及每个成分的发射和激发载荷，我们输入：
[FMax,B,C]=ModelOut(Random,4,'D:\MyParafacResults.xls')
如果想要在中继续工作，这些数据也可以在工作区中分别作为FMax、B和C获得。
下一篇将重点说怎么用处理自己的数据集。
【三三维荧光平行因子学习记录--使用DOMfluor工具箱进行平行因子分析】以上！！

三 三维荧光平行因子学习记录--使用DOMfluor工具箱进行平行因子分析( 四 )

三三维荧光平行因子学习记录--使用DOMfluor工具箱进行平行因子分析( 四 )