第十章 化学中的多元分析方法.pptVIP

第十章 化学中的多元分析方法 第十章 化学中的多元分析方法 第一节 化学与多元分析 第二节 相关分析与变量分组 第三节 降维、信息压缩与显示技术 第四节 分类与判别 第五节 聚类分析 第六节 因子分析 第七节 其它的信息挖掘技术 1 化学与多元分析 化学是一门以实验为主的科学，其中一个很重要的原因就是，化学的理论体系还尚未系统化。 在化学的许多领域中，实验工作量很大，大量消耗人力、物力和时间。但是另一方面，化学学科迄今已经积累了大量的实验资料，各种现代分析仪器更是迅速地提供各种图谱和数据信息。 化学中的多因素问题 遇到的问题是：在生产、科研或工作实践中积累了大批实测数据或曲线，如何总结出有用的规律或者挖掘出有用的信息。 多元分析方法是一类计算机信息处理、信息挖掘技术，特别适用于从受多种因素影响的大量实测数据中总结规律。多元分析方法在自然科学、行为科学中被用来帮助寻找规律、解释现象，用于处理卫星照片、鉴别指纹、识别文字和语音等等。 化学中的多因素问题 二十世纪七十年代以来，多元分析方法进入化学领域，处理多参数、多变量问题，帮助实验科学家从实验数据中挖掘有用信息、总结经验、抽提新概念、发展已有的理论，对化学的发展产生了很大的影响。 化学中的多因素问题 化学、化工领域有许多多参数、多变量问题，例如， 化工工艺的参数：温度、压力、浓度、原料的配方与比例、时间、流量、流速； 影响溶剂与溶质性质、生物活性、材料性质的参数：原子或原子团的结构参数、物性参数、晶体结构参数、热力学参数； 化学中的多因素问题 临床化学中人体血液血清或组织的多种蛋白、多种微量元素的分布与健康（或疾病）的关系； 食品化学中食物的风味与产地、成份、工艺的关系； 物质（或药物）中复杂成份的含量、各种谱的特征与性质的关系； 分子结构与谱特征的关系等等。 化学中的多因素问题 例10-1：化学与生物实验中发现，如图10-1母体结构的化合物具有一定的排除生物体内某有害金属元素能力，有关实验数据列于下表中。 . 。 化学中的多因素问题 若每个取代基用两个参数MR和p表示，即每个化合物（样本）要用6个变量来描述。 化学中的多因素问题 MR：摩尔折射率，与取代基的体积有关； p：Hansch取代常数，描述取代基的亲脂性或疏水性，药物的亲脂特性在药物代谢中是一重要的影响因素，p在预测分子的跨膜转运特性、受体亲和性和药理活性方面可以应用。 多元分析的特点 在多元分析中，我们对每个研究对象（每个观测样本）都有M个变量（或参数）取值，考察N个观测对象的集合就作成了一张N×M的数据表。 观测对象的集合可以是全部样本，也可以是较大集合中的一个子样。变量可以是连续的或者是离散的，而且这M个变量也可以是较大变量集合中的一个子集。 多元分析的特点 进行研究，其中最重要的有以下几个问题： 简化结构：简化的目的是考察能否用简单的方法来表示所研究的复杂数据集合，例如，用变量变换或其它方法，把相互依赖的变量变换成相互独立的，降低复杂数据集合的维数（变量个数）。 分类：考察观测对象能否可以分成若干个不同的组或类。 多元分析的特点 变量分组：分类是关于观测对象的分组。在这里我们关心的是变量是否也可以按其性质分为不同的组。 相关分析：变量之间的相互关系，观测对象之间的相互关系。 多元分析的特点 为了帮助分析问题，可以从几何的角度来看：将每个变量看成是多维空间的一个方向（轴），M个变量就张成了一个M维空间。 这样，每个样本（观测对象）有M个变量值，就可以用这M维空间中的一个确定的点来表示，或者用从原点到这点的向量来表示。 多元分析的特点 通常，在M3时，我们称其为高维空间。这M个变量也常称为指标或特征，故用这些变量张成的空间也称为特征空间。 如果，我们选取的变量或特征能够用来描述样本的性质，那么，N个样本在特征空间中的分布会有一定的规律 多元分析的特点 多元分析的任务，是通过对已知性质样本的分布，找出这些规律的特征，并用于预测未知性质的样本。 变量选取得当是多元分析成功的前提，好的变量集合，因果关系强，能够使样本在特征空间中的分布按性质不同而呈现规律化。 多元分析的特点 例如，我们在前面章节中介绍的多元回归分析，就是多元分析中的一种方法，只不过是因果关系非常明确，并且呈线性分布。在许多情况下，如此明确的因果（函数）关系是不常见的。 所以，多变量问题，实质上是多因素的因果关系，是多个原因与一个或数个结果之间的关系，而且这种关系很难用函数形式来表示，是一种协同作用、非线性的相关关系。 多元分析的特点 人类无法识别四维或更高维空间中的图象。在多变量问题中，常常是固定一些变量的取值，变动其中的一个变量，逐个地研究变量变化对样本性质影响的规律。这种方