calcule les vecteurs-propres et les paramètres de réglage de Independent Interference Reduction (IIR)
[res] = iirp(x_ed,xcal,ycal,split,lv,(centering))
une matrice (n1 x q) ou une structure Div issue d'un plan d'expérience pour lequel y=0 pour tout individu
jeu d'étalonnage; une matrice de spectres (n x q) et un vecteur de valeurs de référence (n x 1) ou des structures Div
paramètre de sélection des blocs pour la validation croisée; un scalaire représentant un nombre de blocs contigus ou un vecteur identifiant chaque échantillon à un bloc
nombre de variables latentes pour la régression PLS; un scalaire
modèle centré = 1 (par défaut) / modèle non centré =0
la matrice d'information nuisible, soit x_iirp pour le prétraitement IIR
res.d_matrix.d est une matrice de dimensions (n1 x q)
vecteurs-propres de d_matrix
res.eigenvec.d est une matrice de dimensions (q x n_eigenvect)
valeurs-propres de d_matrix exprimées en %
res.ev_pcent.d est un vecteur de dimensions (n_eigenvect x 1)
lambda de Wilks
res.wilks.d est un vecteur de dimensions ((n_eigenvect+1) x 1)
attention, paramètre non pertinant, il n'y a qu'un seul groupe avec IIR
rmsecv pour plusieurs dimensions d'EROS et plusieurs dimensions de PLSR
res.rmsecv.d est une matrice de dimensions (lv x (n_eigenvect+1))
modèles PLS obtenus après une correction EROS utilisant 0/1/2/...n_eigenvect vecteurs-propres de res.eigenvect.d
res.pls_models est une liste de dimensions (n_eigenvect+1)
voir l'aide de pls pour l'explication des éléments de res.pls_models