辛烷值预测数据集说明

常用于回归问题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质量指标。传统的实验室检测方法存在样品量大、测试周期长、成本高等问题，不适用于生产控制，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，已广泛应用于农业、制药、生化、石油产品等领域。其优点是无损检测、低成本、无污染、在线分析，更适合生产和控制的需要。 用傅立叶近红外变换光谱仪扫描采集的60组汽油样品，扫描范围为900~1700nm，扫描间隔为2nm，每个样品的光谱曲线共有401个波长点。

您可以直观地看到一组数据。 一组输入输出值： 光谱值： 辛烷值：88.750

可以理解401个特征值，辛烷值是输出值。 一般来说，在回归问题中，我们希望利用多组以上数据建立函数f(x₁,x₂,x₃…x₄₀₀,x₄₀₁)。 简单介绍一下回归问题，我们从分类问题中延伸出来。 我们都熟悉图片分类、文本分类、机械故障数据分类等。我们将根据已知的特征值和类别来培训模型。我们也得到了一个函数，但这个函数输出是离散的，只有几个固定的类别。 回归问题是根据特征值和连续输出值构建连续函数。