Activités des

grains 08 et 09

Douglas Rutledge
AgroParisTech, Paris, France

Jean-Michel Roger
IRSTEA, Montpellier, France
 2

Table des matières

I Activités du grain 08. 3

1 Exercices de reproduction du grain 08. 3

2 Exercices de compréhension du grain 08. 4

II Activités du grain 09. 5

3 Exercice de reproduction du grain 09. 5

4 Exercice de compréhension du grain 09. 6

 3

Première partie

Activités du grain 08.

1 Exercices de reproduction du grain 08.
A partir des jeux de données [Link] et [Link], il vous est demandé d’établir un modèle PLS
basé sur les spectres proche infrarouge pour la quantification de la teneur des huiles en acide oléique
C18-1ω9.
Dans ChemFlow, créez un nouvel historique CheMoocs-exercice-grain08-grain09 puis charger les don-
nées du répertoire chemflow/shared data/data libraries/chemoocs/grain08 ou /grain09.
— 1. Un jeu d’étalonnage est obtenu en sélectionnant les 106 premières lignes de [Link] et
[Link]. Les fichiers obtenus sont dénommés respectivement new [Link] et new [Link]. Utiliser
utils/edit files et dans enter sample number entrer 1 :106.
— 2. Calculez un modèle de régression MLR entre la teneur en acide oléique C18-1ω9 dans new
[Link] et new [Link] (laisser les paramètres de validation croisée par défaut).
— 3. Tracer le vecteur de coefficients-b de la MLR.
Utiliser la fonction scatter plot avec l’option plot type → line/multi lines.
— 4. Calculez un modèle de régression PCR entre la teneur en acide oléique C18-1ω9 dans new
[Link] et new [Link], avec une validation croisée de type stores Venitiens et 4 blocs, 20
variables latentes, données centrées.
Utiliser la fonction pcr.
— 5. Tracer les vecteurs de coefficients-b de la PCR pour 1, 3, 5 et 7 variables latentes.
Utiliser la fonction scatter plot et les options :
— plot type → line/multi lines
— column for x axis → c1 :
— column for y axis → c2 :lv1 c4 :lv3 c6 :lv5 c8 :lv7
— use column names as legends → yes
— 6. Tracer les valeurs prédites avec 1, 3, 5 et 7 variables latentes contre les valeurs observées.
Pour obtenir les valeurs prédites sans validation croisée, utiliser regressions/apply a re-
gression model to a new set of spectra. Les valeurs prédites sont obtenues en appliquant
le modèle obtenu (pcr on new [Link] : model ) sur les mêmes données new [Link] et new
 4

[Link]. Le nombre de variables latentes est fixé à 7 (la plus grande des valeurs 1,3, 5 et 7).
— 7. Calculez un modèle de régression PLS entre la teneur en acide oléique C18-1ω9 dans new
[Link] et new [Link], avec une validation croisée de type stores Venitiens et 4 blocs, 20
variables latentes, données centrées, plus sortie des statistiques des points atypiques (outliers).
Utiliser la fonction plsr avec l’option : compute outlier statistics → yes .
— 8. Tracer les vecteurs de coefficients-b de la PLSR pour 1, 3, 5 et 7 variables latentes.
On procèdera de la même façon que pour la PCR.
— 9. Tracer les valeurs prédites avec 1, 3, 5 et 7 variables latentes contre les valeurs observées.

2 Exercices de compréhension du grain 08.

L’objectif de cet exercice est de comprendre la démarche de construction d’un modèle de prédiction
de la teneur en triglycé[Link] utiliserons les fichiers [Link] et [Link].
— 1. Chargez le fichier [Link], appliquer le prétraitement SNV, puis effectuer une ACP centrée
- non réduite. Représentez les 2 premiers scores issus de l’ACP afin d’étudier la répartition
des échantillons dans le plan factoriel 1-2. Les échantillons sont-ils tous répartis uniformément
dans l’espace à deux dimensions ?
— 2. A partir des spectres prétraités par SNV, créez deux jeux de données : étalonnage et
validation. Les échantillons seront tirés au hasard, 2/3 dans le jeu d’étalonnage et 1/3 dans le
jeu de validation.
Utiliser la fonction calibration-validation/split dataset avec les options suivantes :
— select x data → snv([Link])
— select y data → [Link]
— algorithm choice → random
— percent of dataset for the validation dataset → 0.33
— 3. Utilisez la régression PLS pour construire un modèle d’étalonnage du triglycéride ”OOO” (O
représente l’acide oléique) à partir du jeu d’étalonnage (xcal(...), ycal(...)). Tracez les valeurs
de RMSEC-RMSECV en fonction du nombre de variables latentes.
Utiliser plot/scatter plot puis dans plot type/ lines and points cocher rmsec-rmsecv.
— 4. Appliquez ensuite ce modèle sur le jeu de validation (xval(...), yval(...)). Tracez le RMSEP
en fonction du nombre de variables latentes.
— 5. Qu’en concluez-vous sur le choix du nombre optimal de variables latentes ?
 5

Deuxième partie

Activités du grain 09.

3 Exercice de reproduction du grain 09.
A partir les jeux de données [Link] et [Link], il vous est demandé d’établir un modèle PLSR basé
sur les spectres NIR prétraités par SNV pour la quantification de la teneur en acide palmitoléique
C16-1ω7.
— 1. Sélectionnez les 106 premières observations de [Link], puis appliquer SNV. Sélectionner
aussi les 106 premières observations de [Link]. Etablissez un modèle de régression PLSR pour
prédire la teneur en acide gras C16-1ω7, avec les options de validation croisée ”stores Venitiens”
et 4 blocs, 20 variables latentes, données centrées et statistiques des points atypiques.
— 2. Tracez le RMSEC, RMSECV et R2 en fonction du nombre de variables latentes.
Utilisez plot/scatter plot puis dans plot type/ lines and points cocher rmsec-rmsecv et
R2 .
— 3. Calculez les statistiques élémentaires : minimum, maximum, moyennes, variances, écarts-
types pour les 20 vecteurs de coefficients-b des régressions PLS.
Utilisez statistics/summary. Choisir les données de coefficients-b : nipals-pls on new [Link] :
b-coeffs. Utiliser select/unselect pour sélectionner toutes les colonnes, puis enlever (décocher)
la première colonne, c’est à dire c1 :.
— 4. Tracez les variances des coefficients-b des régressions PLS en fonction du nombre de variables
latentes.
NB : La variance des coefficients-b a pour objectif de mesurer l’augmentation d’amplitude
des valeurs des coefficients-b avec le nombre de variables latentes. Un résultat tout à fait
équivalent, mais moins visuel, est obtenu en calculant la norme des vecteurs de coefficients-b
plutôt que la variance de leurs valeurs.
Utiliser scatter plot avec les options :
— plot type → lines and points
— dataset → summary on niplas...
— column for x-axis → c1 :
— column for y axis → c7 :var
 6

— 5. Tracez les critères de Durbin-Watson des coefficients-b des régressions PLS en fonction du
nombre de variables latentes.
— 6. Tracez les valeurs prédites par PLSR en validation croisée avec 5 variables latentes contre
les valeurs observées.
Utilisez scatter plot avec plot type → points et dataset → nipals-pls... :ypred cv. Choisissez
la colonne correspondant à 5 VL.
— 7. Tracez les T 2 de Hotelling, puis les T 2 de Hotelling contre les résidus Q pour un modèle
avec 5 LVs.
NB : Un synonyme à résidus Q est le terme : variance résiduelle des résidus (residual X-
variance). Les résidus Q peuvent aussi être remplacés par un autre critère : DModX qui est la
distance d’un point au modèle. DModX est proportionnel à la racine carrée de Q.
Utiliser scatter plot avec plot type → lines and points et use first column as sample
label → yes pour faire apparaitre les noms des observations sur les graphes.

4 Exercice de compréhension du grain 09.

A partir des 106 premières observations des jeux de données [Link] et [Link], il vous est demandé
d’établir un modèle PLS basé sur les spectres PIR prétraités par SNV pour la quantification de la
teneur en acide oléique C18-1ω9.
— 1. Construisez un modèle de régression PLS entre la teneur en acide oléique et les spectres
infrarouge, avec les options de centrage des données, validation croisée avec 4 blocs.
— 2. Tracez le RMSEC, RMSECV et R2 en fonction du nombre de variables latentes.
— 3. Calculez les moyennes, écarts-types, variances des 20 vecteurs de coefficients-b des régres-
sions PLS.
— 4. Tracez les variances des coefficients-b des régressions PLS en fonction du nombre de variables
latentes.
— 5. Tracez les critères de Durbin-Watson des coefficients-b des régressions PLS en fonction du
nombre de variables latentes.
— 6. A partir des figures obtenues aux questions 2, 4 et 5, choisissez le meilleur modèle en
argumentant.
— 7. Tracez les valeurs prédites par PLS avec le nombre optimal de variables latentes contre les
valeurs observées.
 7

— 8. Tracez les T 2 de Hotelling contre les résidus Q pour un modèle avec le nombre optimal de
variables latentes.
— 9. Reconstruisez le modèle d’étalonnage après avoir enlevé les deux observations atypiques,
lignes 40 et 66. Qu’en concluez-vous ?