Inicio rápido

Consulta la guía de instalación para comenzar.

Consejo

¿Nuevo en quimiometría? Aprende con nuestra página de tutoriales paso a paso.

Consejo

¿Quieres explorar las herramientas a tu alcance? Visita la descripción general de exploración.

Cargar datos

Esto carga un conjunto de entrenamiento de espectros infrarrojos medios (X_train) y valores de referencia asociados (y_train) de un proceso de fermentación.

from chemotools.datasets import load_fermentation_train

X_train, y_train = load_fermentation_train()

Consejo

¿Buscas conjuntos de datos disponibles? Consulta el catálogo de conjuntos de datos.

Preprocesar espectros

Carga, define y aplica pasos de preprocesamiento a los datos de entrenamiento. Aquí usamos un filtro de Savitzky-Golay para calcular la primera derivada de los espectros de muestra.

from chemotools.derivate import SavitzkyGolay

# Configure the preprocessing step
sg = SavitzkyGolay(window_size=3, polynomial_order=1, derivate_order=1)

# Fit and transform the training data
X_train_preprocessed = sg.fit_transform(X_train)

Consejo

¿Quieres saber más sobre métodos de preprocesamiento? Lee el índice de métodos.

Construir un pipeline

Combina pasos de preprocesamiento y modelado en un solo pipeline.

from chemotools.derivate import SavitzkyGolay
from sklearn.cross_decomposition import PLSRegression
from sklearn.pipeline import make_pipeline

# Define the pipeline
pipeline = make_pipeline(
    SavitzkyGolay(window_size=3, polynomial_order=1, derivate_order=1),
    PLSRegression(n_components=2)
)

# Fit the pipeline to the training data
pipeline.fit(X_train, y_train)

# Prediction on the training data
y_train_pred = pipeline.predict(X_train)

Consejo

¿Quieres saber más sobre pipelines? Abre el artículo de pipelines.

Consejo

¿Curioso sobre la optimización de modelos? Lee la guía de optimización.

¡Felicidades! Acabas de construir tu primer flujo de trabajo de chemotools en Python 🎯