← 食品科學教學課程

nirs4all 教學課程

近紅外光譜 × 機器學習 | 改編自 nirs4all 官方範例的繁體中文互動課程,使用官方真實光譜資料集,點 Colab 徽章即可線上執行。

7學習模組
33+實作課程
Colab免安裝執行
Read · 線上閱讀

完整互動課程

不必安裝任何東西,直接在瀏覽器閱讀。含側邊目錄、可折疊章節、程式碼高亮與學習進度追蹤。

nirs4all 互動課程(單頁 HTML)

7 大模組、33+ 課的完整教材:入門 → 資料處理 → 前處理 → 模型 → 交叉驗證 → 部署 → 可解釋性。每課含學習目標、概念講解、程式碼與動手練習。

開啟互動課程 →
Run · Google Colab 實作

七本可執行 Notebook

每本對應一個模組,使用 nirs4all 官方 sample_data 真實光譜資料集。點「Open in Colab」→ 先執行第一格環境設定(約 1–2 分鐘)即可逐格執行。

模組 1

入門起步

你的第一條 pipeline、回歸、分類、結果視覺化。

模組 2

資料處理

輸入格式、多資料集、波長重取樣、合成資料生成。

模組 3

光譜前處理

SNV/MSC/導數、特徵增強、樣本增強、訊號轉換、正交化、小波去噪。

模組 4

模型訓練與比較

多模型、Optuna 超參數調校、堆疊集成、PLS 變體、TabPFN、AOM。

模組 5

交叉驗證與樣本管理

CV 策略、分組切分防洩漏、離群過濾、重複量測聚合、標記與排除。

模組 6

模型部署

儲存/載入/預測、匯出 .n4a bundle、Session 工作區管理、sklearn 整合。

模組 7

模型可解釋性

SHAP 解釋預測、SHAP × sklearn、CARS/MC-UVE 波長特徵選擇。

版本說明:本課程使用 nirs4all 0.9+ 的簡易 APInirs4all.run()),目前僅在 GitHub。Notebook 設定格會自動從 GitHub 安裝(需 Python ≥ 3.11;Colab 預設 3.12 ✅)。PyPI 的 pip install nirs4all 仍是舊版 0.4,沒有此 API。