1
00:00:00,000 --> 00:00:21,630
模型說某個波長很重要，先別照抄排名。本週從一個多寫總和的 VIP 錯誤開始，學會驗證重要性、判讀分類，並用兩種離群診斷檢查模型是否認得新樣品。三組資料都來自 NB12 教學模擬。

2
00:00:22,333 --> 00:00:39,755
每個潛在變數有一組波長權重，VIP 把權重平方，按照該方向解釋的 y 變異加權。正確公式會讓全部波長的 VIP 平方平均等於一；但只抽幾個波長來平均，就不一定是一。

3
00:00:40,500 --> 00:01:01,213
本例有八十一個波長。若錯把每個波長的貢獻提早加成總和，所有 VIP 都變成九，平方平均變成八十一。反過來說，全部填成一也會通過平均檢查，所以還要比對波形、程式與合理性。

4
00:01:01,917 --> 00:01:23,292
VIP 是非負的重要性指標，不表示因果，也不告訴你濃度往哪裡變。迴歸係數才有正負方向，而且必須連同前處理與共線性解讀。VIP 大於一只是高於平均的常用經驗規則，不是顯著性檢定。

5
00:01:24,000 --> 00:01:48,492
示範用六十個訓練樣品選出十八個 VIP 波長，另有二十個測試樣品。若先用全部訓練資料選波長，再在同批資料交叉驗證，驗證折已參與選擇。公平比較要在每折內重新選波長，或保留未碰過的外部測試。

6
00:01:49,250 --> 00:02:09,274
這批資料全波段測試誤差約零點一六六，篩選後約零點一三三，但固定遮罩的交叉驗證誤差反而增加。兩種指標不一致，加上測試只有二十個樣品，不能只挑好看的數字；更不能看過測試結果再調門檻。

7
00:02:10,000 --> 00:02:28,689
六種油編碼成六欄零與一，PLS 同時對這六欄建模。新樣品得到六個預測分數，選最大的那類。這些分數不是機率，可能小於零或大於一，也不保證總和是一。

8
00:02:29,417 --> 00:02:52,137
NB12 由訓練資料選出六個 LV，獨立測試二十七個樣品，判對二十四個，約百分之八十八點九。精製橄欖油四個只抓到兩個，敏感度零點五；特異度雖是一，也不能說這一類都辨認得很好。

9
00:02:52,917 --> 00:03:16,061
T 平方用各主成分的變異當尺，描述樣品在模型平面內離中心多遠。Q 是光譜與重建光譜的殘差平方和，描述模型沒解釋的部分。兩個值來自同一個校正 PCA，但回答不同問題，不能只看其中一個。

10
00:03:16,833 --> 00:03:39,129
本例只用四十個校正樣品建立兩成分 PCA。槓桿樣品 T 平方約二十八點四，但 Q 未超標；換儀器的模擬樣品，T 平方看似普通，Q 卻約為界限三十三倍。分數圖看不出異常，不等於模型真的適用。

11
00:03:39,833 --> 00:04:02,890
T 平方與 Q 的界限依同一校正模型估計，不可拿別個模型的數字套用。兩成分例的校正內 T 平方界限約六點六六，新樣品近似約六點八三。分布假設、樣本數與多重比較都會影響誤報，超線應先調查，不要自動刪除。

12
00:04:03,667 --> 00:04:28,075
Orange 入門用 PCA 加邏輯斯迴歸，不是本頁的 PLS-DA。若 PCA 先用全部資料 fit 再做分類交叉驗證，也會有洩漏；正式流程要把 PCA 放進每一折。Apply Domain 可看投影，但完整 Q 診斷要用 NB12 或本互動實驗。

13
00:04:28,833 --> 00:04:56,614
進入六幕實驗，切換正確與錯誤 VIP、比較篩選流程，判讀分類分數與混淆矩陣，再操作 T 平方與 Q。下載證據與調查紀錄。正式作業換成本班實測資料，說明限制、保留離群原因，不把模擬成績當食品真偽認證。