① File：載入 Raman2.csv （Mendeley ctgg7k4m5g 食用油拉曼） 每列一個樣本；波數為欄； 欄1=Class（油種）欄2=PeroxideValue。 把 Class / PeroxideValue 設為 target/meta。 ② Preprocess Spectra（拉曼專用順序，由上而下拖入）： 1. Spike Removal → 去宇宙射線尖峰 2. Baseline Correction → 選「Rubber band」, Positive → 去螢光背景（拉曼最關鍵步驟！） （或用 Asymmetric Least Squares Smoothing） 3. Cut → 保留指紋區 400–1800 cm⁻¹ 4. Normalize Spectra → SNV 或 Vector (L2) 順序很重要：先去尖峰→去基線→裁切→正規化。 ③ 探索：PCA → Scatter Plot （PC1 vs PC2，顏色標 Class） 真實結果：PC1=87.4%、橄欖油 vs 其他油自然分開。 ④ 分類（真偽鑑別）：Test & Score 交叉驗證 比較 SVM vs Random Forest → Confusion Matrix。 真實結果：橄欖油 vs 其他油 SVM 5-fold CV = 86.5%（測試集 98.5%）。 ⑤ 迴歸：用 Model 類別的 PLS（非已棄用的 Spectroscopy PLS） → PLS 的 Learner 接到 Test & Score 得 R²/RMSE。 評估迴歸時，把資料的 target 切成 PeroxideValue。 真實結果：全部油種 R²=0.59（被油種混淆）； 單一 EVOO 內 R²=0.94 → 先控制油種才準。 先看 RAW 光譜：拉曼常有傾斜的螢光背景（駝峰）， 這就是為什麼要做 Baseline Correction（Rubber band）。 預處理後再看一次，背景被拉平、峰更清楚。