光谱特征波段筛选与机器学习建模实战
📚 共计 30 章节
01
光谱分析概述
什么是光谱分析 · 应用领域（农业/遥感/医药）· 高维、共线性、噪声
基础
入门
02
光谱数据预处理
去噪(SG滤波) · 基线校正 · 归一化 · 一阶/二阶导数
预处理
平滑
03
方差阈值法
原理讲解 · Python实现 · 优缺点分析
筛选
方差
04
皮尔逊相关系数法
相关性分析 · Python实现 · 阈值选择策略
相关系数
筛选
05
卡方检验法
原理讲解 · 适用于分类问题 · Python实现
卡方
分类
06
互信息法
捕捉非线性关系 · Python实现 · 特征选择
互信息
非线性
07
递归特征消除法
基于模型排序 · SVM示例 · Python实现
RFE
SVM
08
L1正则化(Lasso)法
稀疏性原理 · Python实现 · 调参技巧
Lasso
稀疏
09
随机森林特征重要性
树模型重要性排序 · Python实现
随机森林
重要性
10
XGBoost特征重要性
与随机森林对比 · Python实现
XGBoost
Boosting
11
主成分分析法(PCA)
降维与特征提取 · 方差解释率图 · Python实现
PCA
降维
12
连续投影算法(SPA)
最小化共线性 · Python实现
SPA
共线性
13
竞争性自适应重加权(CARS)
基于PLS回归系数 · Python实现
CARS
PLS
14
无信息变量消除法(UVE)
稳定性分析 · Python实现
UVE
稳定性
15
遗传算法(GA)
进化策略 · DEAP库实现
GA
进化
16
数据划分
留出法 · K折交叉验证 · 留一法
划分
交叉验证
17
线性回归
定量分析 · R²/RMSE · Python实现
回归
评估
18
岭回归与Lasso回归
解决共线性 · 超参数调优
岭回归
Lasso
19
偏最小二乘回归(PLS)
光谱经典算法 · 潜变量数选择
PLS
经典
20
支持向量机(SVM)
分类与回归 · 核函数 · 参数调优
SVM
核函数
21
K近邻算法(KNN)
光谱分类 · K值选择 · Python实现
KNN
分类
22
决策树
可视化 · 剪枝策略 · Python实现
决策树
剪枝
23
随机森林
集成学习 · 超参数调优
随机森林
集成
24
梯度提升树(GBDT/XGBoost/LightGBM)
XGBoost与LightGBM实战
GBDT
LightGBM
25
神经网络入门
感知机 · MLP · Keras/TensorFlow
神经网络
深度学习
26
模型评估与选择
混淆矩阵 · ROC/AUC · 过拟合诊断
评估
ROC
27
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化
调优
贝叶斯
28
综合实战一：土壤有机质预测
近红外光谱 · 全流程：预处理→筛选→建模→评估
实战
土壤
29
综合实战二：农作物病害分类
高光谱图像 · 全流程：预处理→筛选→建模→评估
实战
病害
30
课程总结与展望
深度学习/迁移学习 · 部署与落地建议
前沿
总结