以模型内部校准方式重构近红外光谱仪的预处理选择：面向 PLS 和 Ridge 模型的算子自适应基准
摘要
预处理筛选往往是近红外光谱校准工作流程中最昂贵的环节。其工作原理是：平滑、导数、去趋势及相关滤波器会改变 PLS 或 Ridge 回归看到的光谱方向，但完整的外部搜索反复拟合几乎相同的线性模型。本文研究当该搜索可以压缩到一个校准步骤内的情形。对于严格的线性预处理算子，变换后的 PLS 交叉协方差满足 ，而 Ridge 回归依赖于算子诱导的内核 。这些恒等式允许在模型内部筛选有限算子库，同时保留原始波长系数。样本自适应或拟合校正（如 SNV、MSC、EMSC 和 ASLS）仍为局部分支，无法被吸收到代数中。本研究使用 AOM 基准队列：包含 61 行回归数据和 17 行分类数据。对于主要回归分母（N=32），普通紧凑型 AOM-PLS 记录在 PLS-default 和 PLS-HPO 之间的中位数 RMSEP 比率分别为 0.991 和 0.990；选定的 ASLS-AOM-compact-cv5 分支在同一两个参考下分别记录 0.985 和 1.002。普通 AOMRidge-global-compact-none 基线在 Ridge-default 和 Ridge-HPO 之间的记录分别为 0.974 和 0.984，而选定的 AOMRidge-Blender-headline-spxy3 记录为 0.918 和 0.966。所选分类器 AOM-PLS-DA-global-simpls-covariance 在 N=13 个数据集上将平衡准确率提高 0.159。实际结果是运行时间差距：PLS-HPO 每次运行中位数耗时 710.81 秒，而所选 AOM-PLS 分支仅需 1.63 秒。线性算子自适应校准因此在预测质量上相当于穷举预处理筛选，却大幅降低了拟合时间（PLS 层面）。
引用
@article{arxiv.2605.13587,
title = {Reframing preprocessing selection as model-internal calibration in near-infrared spectroscopy: A large-scale benchmark of operator-adaptive PLS and Ridge models},
author = {Gregory Beurier and Robin Reiter and Camille Noûs and Lauriane Rouan and Denis Cornet},
journal= {arXiv preprint arXiv:2605.13587},
year = {2026}
}
备注
16 pages, 9 figures; supplementary material included in source (34 pages, 4 figures). Code and benchmark artifacts: https://github.com/GBeurier/aom-nirs