Training
Beim Antrainieren des Systems werden alle Parameter, die zu einer Unterscheidung der Spektren in die gegebenen Klassen
notwendig sind, automatisch ermittelt und optimiert. Das Ergebnis ist ein sogenanntes "Recognition Module", mit dessen Hilfe später neue,
unbekannte Spektren klassifiziert werden, das heißt der entsprechenden Klasse zugeordnet werden können.
Das Training teilt sich in drei Schritte: Merkmalsberechnung, Merkmalsauswahl und Klassifikatorerstellung.
Für jeden dieser Vorgänge kann aus einer Reihe verschiedener Methoden ausgewählt werden.
1. Merkmalsberechnung (Feature Computation)
Bei der Merkmalsberechnung werden Bereiche der Spektren errechnet, die für eine Unterscheidung in die Klassen interessant
sein könnten. Diese werden
"Region Of Interest (ROI)" genannt. Für jedes der Spektren wird ein Wert für jeden ROI ermittelt.
Hinzukommen können je nach verwendetem Verfahren noch Abstände zu den Klassenmitteln jeder Klasse. So entstehen je nach
Methode zwischen 100 und bis zu 500 Merkmalen. Doch nicht alle sind zur Unterscheidung der Klassen nützlich und notwendig.
Daher müssen die wirklich relevanten nun ausgewählt werden.
2. Merkmalsauswahl (Feature Selection)
Die Auswahl der geeignetsten Merkmale ist eine schwierige Aufgabe, welche daher zum Teil auch sehr rechenintensiv sein
kann.
Verschiedene Verfahren stehen auch hierfür zur Verfügung. Bei jedem Verfahren werden schrittweise Merkmalskombinationen
erzeugt und auf ihre Vorhersagequalität hin bewertet.
Die Methoden reichen vom strategischen Hinzufügen bzw. Weglassen von einzelnen Merkmalen über Scoring- bzw.
Ranking-Verfahren bis hin zu evolutionären, genetischen Algorithmen.
3. Klassifikatorerstellung (Classifier Construction)
Als Klassifikatoren stehen der einfache, schnelle "Nearest Centroid Classifier" sowie künstliche Neuronale Netze mit und ohne
Hidden Layer mit meist besserer Vorhersagequalität zur Verfügung. Die Parameter der Neuronalen Netze sind ebenfalls zu
optimieren, was hier in diesem Schritt geschieht.
Das Testen der verschiedenen Verfahren macht dabei viel Spaß und weckt den Ergeiz immer noch ein wenig besser zu werden.
Außerdem entstehen dabei auch wichtige Hinweise auf das Klassifikationsverhalten Ihrer Spektren. Aus den Zuordnungstabellen,
die während der Prozesse entstehen, können Sie ablesen, welche Spektren oft Probleme bei der richtigen Zuordnung bereitet
haben und können diese nochmals genau untersuchen. Oft stellt sich heraus, dass diese besonders verrauscht sind oder eventuell
sogar im Vorfeld einer falschen Klasse zugeordnet worden sind.
Spektroskopieverfahren 
