不过，无论孙玉月给他准备了什么样的惊喜，化合物的光学反应总不会骗人，司徒捷报写好的算法也不会骗人，那只有可能是那两个样品配错了。

是不是……配溶液的时候出了些什么问题？

毕竟如果点板出现问题，也只会有单独的几个离群值，不会让整个数据集都偏离。

程岳搓搓头皮，思索着，毕竟其他十个未知氨基酸已经顺利的检测出来了，没有必要再重做一遍。

实在不行的话，要不然**文的时候，就把这两个未知氨基酸拿掉吧……不过，这绝对不是他的性格。

又或者，换一种化学计量法。

改用LDA（Linear Discriminate Analysis，线性判别法）？

程岳现在用的主成分分析法，计算的时候先只导入所有的数据，采用矩阵变换的方式，给每个采集参数设定比重，让数据与数据之间的点尽可能的分离，完成分离之后再引入每个数据的名称，名称相同的数据成为一个数据集。

而线性判别法，则是在开始导入数据的时候，一并导入了每个数据的名称，数据集已经形成，而这时候的矩阵变换，设定每个参数的比重，就要考虑到两个方向了，除了让数据集与数据集之间的距离尽可能大之外，还会让数据集之内每个数据点之间的距离尽可能缩小，所以线性判别法往往会给出比主成分分析法看起来更好看的数据——

数据集小，分离度高。

而程岳之所以从一开始选择了主成分分析法，是因为这个方法还能勉强手算，而线性判别法则只能靠计算机软件来计算，当时条件不允许。

虽然如果是检测未知物，原理上来说未知氨基酸和对应的已知氨基酸，应该完全相同的，更应该使用主成分分析法。

因为，主成分分析法先分离，再圈出数据集，这样的话完全一样的数据就会重叠在一起。

而，线性判别法先圈出数据集，再试图分离这些数据集，所以反而会有可能为了分离完全相同的两个数据集，采用一些原本占比不那么重的采集参数，给他们更大的比重，强行使数据集分离，而失去了原本的化学和统计意义。

不过，既然目前没什么更好的方向了，不如试一试线性判别法吧。

实在不行，再考虑去掉两个奇怪的未知氨基酸，十个未知物已经足够**文了。

程岳想着想着，又重新燃起了斗志。

实验就是这样的嘛，什么都有可能，做几年也不出结果的实验比比皆是，自己已经算很顺利了。

突然，他感受到脖子一阵凉意，忍不住瑟缩了一下，回头看才发现是一脸开心的司徒捷报。

“岳哥！”

司徒捷报吸吸冻得通红的鼻子，轻轻跺跺脚，鞋套发出刺啦刺啦的声音，他咧嘴说道，“外面雪停了！” 本章未完，请点击下一页继续阅读！ 第1页/共2页