MANURE21 NIR all chemistry targets. v2.0 standardized NIRS package: 1 spectral source(s), 8 declared target(s). Auto-generated from dataset_card.json (verify before publication).
| Intégrité | 0.00 |
|---|---|
| Artefacts locaux | 1.00 |
| Bruit | 0.00 |
| Outliers PCA | 0.69 |
| Distance à la référence | 1.00 |
| Répétabilité | 0.00 |
| Baseline / forme | 1.00 |
| Structure multi-régimes | 0.91 |
| Diagnostic | Score | Force | Signaux | Interprétation probable |
|---|---|---|---|---|
| Splice / raccord détecteursX | 0.88 | forte | Spike rate 1.00, Jump rate 1.00, RMS/SAM référence 1.00 | Rupture aux jonctions de détecteurs, calibration locale ou sonde différente. |
| Erreur calibration / référence blancheX | 0.78 | forte | Baseline/mean/area 1.00, RMS/SAM référence 1.00, artefacts locaux 1.00 | Décalage systématique entre campagnes, instruments ou référence blanche. |
| Fond différentX | 0.73 | forte | Baseline/mean/area 1.00, RMS/SAM référence 1.00, PCA Q 0.69 | Effet systématique du support, blanc/noir, transflectance ou environnement de mesure. |
| Erreur interpolation / rééchantillonnageX | 0.69 | moyenne | Spike rate 1.00, Jump rate 1.00, SNR normal/élevé 1.00 | Artefacts numériques ou traitement spectral incorrect. |
| Signature VERA25-likeX | 0.68 | moyenne | Spike rate 1.00, Jump rate 1.00, RMS/SAM référence 1.00 | Combinaison possible changement de sonde + splice, amplifiée par géométrie, fond ou calibration. |
| Différence de sonde / géométrieX | 0.63 | moyenne | Baseline/mean/area 1.00, RMS/SAM référence 1.00, PCA Q 0.69 | Modification de l'illumination, collecte, angle ou distance sonde-échantillon. |
| Dataset multi-régimesX | 0.60 | moyenne | RMS/SAM référence 1.00, Structure PCA 0.91, PCA Q 0.69 | Mélange de campagnes, opérateurs, lots, setups ou sous-populations spectrales. |
| Spectre hors domaine valideX | 0.60 | moyenne | RMS/SAM référence 1.00, Structure PCA 0.91, Mahalanobis / T2 0.67 | Variété, espèce, lot ou condition différente mais physiquement plausible. |
| Wavelengths | 1,003 |
|---|---|
| Axis range | 852.8–2502 nm |
| Mean spacing | 1.65 nm |
| Grid | irregular |
| Observations | 490 |
| Value range | 0.184 – 1.61 |
|---|---|
| Mean range | 0.619 – 1.3 |
| Mean level | 0.8234 |
| Area | 1527 |
| PTP | 0.6785 |
| Noise RMS | 0.00012412 |
| SNR | 6.6e+03 |
| SNR dB | 8e+01 dB |
| Dynamic range | 0.679 |
| Smoothness | 0.0008217 |
| Saturated | 0.0% |
| X-outliers | 240 |
| NaN ratio | 0.00% |
|---|---|
| Inf count | 0 |
| Zero ratio | 0.00% |
| Spike count | 13,568 |
| Spike rate | 2.77% |
| Jump count | 12,372 |
| Jump rate | 2.52% |
| Clip fraction | 0.00% |
| Baseline slope | 0.57936 |
|---|---|
| Curvature RMS | 0.0008017 |
| D1 RMS | 0.0038552 |
| RMS to mean | 0.10163 |
| RMS p95 | 0.33492 |
| SAM to mean | 0.042129 |
| SAM p95 | 0.10671 |
| Affine offset p95 | 0.26061 |
| Affine gain p95 Δ | 0.47664 |
| Affine residual p95 | 0.060807 |
| Xcorr lag p95 | 0 |
| PCA Q p95/median | 5.5 |
|---|---|
| Hotelling T2 p95/median | 5.4 |
| Mahalanobis H p95/median | 2.3 |
| Repeat groups | 0 |
| Effective rank | 1.3 |
|---|---|
| PCs → 95% var | 2 |
| PCs → 99% var | 3 |
| Top-10 cum. var | 100.0% |
| Famille | Métrique calculée | Valeur | Score | Niveau | Interprétation dataset | Causes typiques | Calcul / scoring |
|---|---|---|---|---|---|---|---|
| Intégrité des données | NaN ratiointegrity.nan_ratio | 0% | 0.00 | faible | Spectre complet | Erreur acquisition/export | count(isnan(X)) / X.sizealert = min(1, nan_ratio / 0.05) |
| Intégrité des données | Inf countintegrity.inf_count | 0 | 0.00 | faible | Normal | Calculs invalides | count(isinf(X))alert = min(1, inf_count / 1) |
| Intégrité des données | Zero ratiointegrity.zero_ratio | 0% | 0.00 | faible | Normal | Export, saturation | count(X == 0) / count(finite X)alert = min(1, zero_ratio / 0.05) |
| Amplitude globale | Mean reflectanceamplitude.mean_reflectance | 0.82345 | 1.00 | fort | Valeur atypique: Trop clair / fond visible ou Trop sombre | Fond, géométrie | mean(X finite)alert reuses baseline/shape drift because absolute reflectance ranges are technology-dependent |
| Amplitude globale | Area under curveamplitude.area_under_curve | 1526.5 | 1.00 | fort | Valeur atypique: Différence d'éclairement ou Normal | Distance sonde | trapezoid(mean_spectrum, spectral_axis)alert reuses baseline/shape drift because area scale depends on axis and units |
| Amplitude globale | Peak-to-peak (PTP)amplitude.peak_to_peak | 0.67852 | 0.00 | faible | Variabilité forte | Saturation | max(mean_spectrum) - min(mean_spectrum)alert increases when dynamic range is abnormally flat |
| Amplitude globale | Varianceamplitude.variance | 0.060534 | 0.00 | faible | Normal ou hétérogène | Mauvais contact | var(X finite)alert increases when variance/dynamic range is abnormally flat |
| Bruit | Noise RMSnoise.noise_rms | 0.00012412 | 0.00 | faible | Stable | Lampe, détecteur | median MAD(second derivative) * 1.4826 / sqrt(6)alert = noise_rms / signal_scale, saturated at 5% |
| Bruit | SNRnoise.snr | 6634.1 | 0.00 | faible | Bon signal | Acquisition | mean(abs(X)) / noise_rmsalert decreases with SNR dB; >=40 dB is treated as low alert |
| Bruit | Bandwise SNRnoise.bandwise_snr_min | 714.1 | 0.00 | faible | Zone fiable | Détecteur | min(abs(mean_spectrum) / local second-derivative noise)alert decreases with worst-band SNR dB; >=35 dB is treated as low alert |
| Artefacts locaux | Spike countartefacts.spike_count | 13,568 | 1.00 | fort | Artefacts | Cosmic rays, splice | count robust outliers in second derivativealert follows spike_rate, saturated at 1% |
| Artefacts locaux | Spike rateartefacts.spike_rate | 2.77% | 1.00 | fort | Spectre suspect | Interpolation | spike_count / (n_samples * (n_features - 2))alert = min(1, spike_rate / 0.01) |
| Artefacts locaux | Jump countartefacts.jump_count | 12,372 | 1.00 | fort | Raccord détecteur | Splice | count robust outliers in first derivativealert follows jump_rate, saturated at 1% |
| Artefacts locaux | Jump rateartefacts.jump_rate | 2.52% | 1.00 | fort | Problème spectral | Calibration | jump_count / (n_samples * (n_features - 1))alert = min(1, jump_rate / 0.01) |
| Artefacts locaux | Clip fractionartefacts.clip_fraction | 0.000407% | 0.00 | faible | Normal | Détecteur saturé | fraction of finite cells equal to repeated min/max extremaalert = min(1, clip_fraction / 0.01) |
| Forme spectrale | Baseline slopeshape.baseline_slope | 0.57936 | 1.00 | fort | Dérive | Éclairement | linear slope of mean_spectrum over normalized axisalert = abs(slope / signal_scale), saturated at 0.5 |
| Forme spectrale | Curvature RMSshape.curvature_rms | 0.0008017 | 0.10 | faible | Lisse | Fond, splice | median RMS(second derivative per spectrum)alert = curvature_rms / signal_scale, saturated at 1% |
| Forme spectrale | D1 RMSshape.d1_rms | 0.0038552 | 0.09 | faible | Plat | Biologie ou artefact | median RMS(first derivative per spectrum)alert = d1_rms / signal_scale, saturated at 5% |
| Outliers multivariés | PCA Q (SPE)outliers.pca_q_ratio | 5.5206 | 0.69 | moyen | Spectre atypique | Artefact, mélange | p95(Q/SPE residual) / median(Q/SPE residual)alert = min(1, pca_q_ratio / 8) |
| Outliers multivariés | Hotelling T²outliers.hotelling_t2_ratio | 5.3674 | 0.67 | moyen | Extrême mais cohérent | Variabilité naturelle | p95(Hotelling T2) / median(Hotelling T2)alert = min(1, hotelling_t2_ratio / 8) |
| Outliers multivariés | Mahalanobis Houtliers.mahalanobis_h_ratio | 2.3166 | 0.58 | moyen | Outlier global | Domaine différent | p95(sqrt(T2)) / median(sqrt(T2))alert = min(1, mahalanobis_h_ratio / 4) |
| Comparaison à référence | RMS to mean spectrumreference.rms_to_mean_spectrum_p95 | 0.33492 | 1.00 | fort | Spectre différent | Domain shift | p95 RMS distance to dataset mean spectrumalert = RMS_p95 / signal_scale, saturated at 25% |
| Comparaison à référence | Spectral Angle Mapper (SAM)reference.sam_to_mean_spectrum_p95 | 0.10671 | 0.30 | faible | Similaire | Fond, géométrie | p95 spectral angle to dataset mean spectrumalert = min(1, SAM_p95 / 0.35 rad) |
| Répétabilité | RMS intra-IDrepeatability.rms_intra_id | — | 0.00 | faible | Stable | Positionnement | median RMS distance to repeated-sample centroidalert = RMS_intra_ID / signal_scale, saturated at 10% |
| Répétabilité | SAM intra-IDrepeatability.sam_intra_id | — | 0.00 | faible | Stable | Acquisition | median SAM to repeated-sample centroidalert = min(1, SAM_intra_ID / 0.15 rad) |
| Répétabilité | CV intra-IDrepeatability.cv_intra_id | — | 0.00 | faible | Stable | Opérateur | median within-ID band CValert = min(1, CV_intra_ID / 0.25) |
| Structure du dataset | PCA score densitystructure.pca_score_density | 2.7962 | 0.91 | fort | Sous-populations | Lots différents | 1 / median kNN distance in PCA score spacealert follows density_cv/profile structure complexity, not raw density alone |
| Structure du dataset | Local Outlier Factor (LOF)structure.local_outlier_factor_p95 | 2.7301 | 0.87 | fort | Spectre isolé | Cas rares | p95 approximate LOF from PCA-score kNN distancesalert = min(1, max(0, LOF_p95 - 1) / 2) |
| Structure du dataset | Isolation Forest scorestructure.isolation_forest_score_p95 | 0.58131 | 0.91 | fort | Spectre atypique | Diverses causes | p95 IsolationForest anomaly score on PCA scoresalert follows structure complexity; raw score is implementation-dependent |
| Target | max |r| | axis @ max | mean |r| | |r| ≥ .5 |
|---|---|---|---|---|
| DM | 0.893 | 1.9e+03 | 0.765 | 100.0% |
| OM | 0.883 | 1.9e+03 | 0.78 | 100.0% |
| AN | 0.665 | 1.41e+03 | 0.537 | 62.8% |
| Total_N | 0.824 | 1.41e+03 | 0.697 | 100.0% |
| P2O5 | 0.674 | 1.41e+03 | 0.538 | 62.1% |
| K2O | 0.752 | 1.44e+03 | 0.659 | 100.0% |
| CaO | 0.515 | 1.41e+03 | 0.399 | 8.7% |
| MgO | 0.692 | 1.41e+03 | 0.539 | 62.0% |
| Famille | Métrique | Ce qu’elle détecte | Forte valeur = | Faible valeur = | Causes typiques | Calcul / score |
|---|---|---|---|---|---|---|
| Intégrité des données | NaN ratio | Données manquantes | Spectre corrompu | Spectre complet | Erreur acquisition/export | count(isnan(X)) / X.sizealert = min(1, nan_ratio / 0.05) |
| Intégrité des données | Inf count | Valeurs infinies | Corruption | Normal | Calculs invalides | count(isinf(X))alert = min(1, inf_count / 1) |
| Intégrité des données | Zero ratio | Colonnes ou cellules nulles | Spectre tronqué | Normal | Export, saturation | count(X == 0) / count(finite X)alert = min(1, zero_ratio / 0.05) |
| Amplitude globale | Mean reflectance | Niveau moyen | Trop clair / fond visible | Trop sombre | Fond, géométrie | mean(X finite)alert reuses baseline/shape drift because absolute reflectance ranges are technology-dependent |
| Amplitude globale | Area under curve | Intensité globale | Différence d'éclairement | Normal | Distance sonde | trapezoid(mean_spectrum, spectral_axis)alert reuses baseline/shape drift because area scale depends on axis and units |
| Amplitude globale | Peak-to-peak (PTP) | Dynamique | Variabilité forte | Spectre plat | Saturation | max(mean_spectrum) - min(mean_spectrum)alert increases when dynamic range is abnormally flat |
| Amplitude globale | Variance | Variabilité spectrale | Normal ou hétérogène | Spectre plat | Mauvais contact | var(X finite)alert increases when variance/dynamic range is abnormally flat |
| Bruit | Noise RMS | Bruit haute fréquence | Bruité | Stable | Lampe, détecteur | median MAD(second derivative) * 1.4826 / sqrt(6)alert = noise_rms / signal_scale, saturated at 5% |
| Bruit | SNR | Qualité signal | Bon signal | Mauvais signal | Acquisition | mean(abs(X)) / noise_rmsalert decreases with SNR dB; >=40 dB is treated as low alert |
| Bruit | Bandwise SNR | Bruit localisé | Zone fiable | Zone problématique | Détecteur | min(abs(mean_spectrum) / local second-derivative noise)alert decreases with worst-band SNR dB; >=35 dB is treated as low alert |
| Artefacts locaux | Spike count | Pics étroits | Artefacts | Spectre propre | Cosmic rays, splice | count robust outliers in second derivativealert follows spike_rate, saturated at 1% |
| Artefacts locaux | Spike rate | Densité de pics | Spectre suspect | Normal | Interpolation | spike_count / (n_samples * (n_features - 2))alert = min(1, spike_rate / 0.01) |
| Artefacts locaux | Jump count | Discontinuités | Raccord détecteur | Continu | Splice | count robust outliers in first derivativealert follows jump_rate, saturated at 1% |
| Artefacts locaux | Jump rate | Fréquence de sauts | Problème spectral | Normal | Calibration | jump_count / (n_samples * (n_features - 1))alert = min(1, jump_rate / 0.01) |
| Artefacts locaux | Clip fraction | Saturation | Clipping | Normal | Détecteur saturé | fraction of finite cells equal to repeated min/max extremaalert = min(1, clip_fraction / 0.01) |
| Forme spectrale | Baseline slope | Pente globale | Dérive | Stable | Éclairement | linear slope of mean_spectrum over normalized axisalert = abs(slope / signal_scale), saturated at 0.5 |
| Forme spectrale | Curvature RMS | Courbure | Forme inhabituelle | Lisse | Fond, splice | median RMS(second derivative per spectrum)alert = curvature_rms / signal_scale, saturated at 1% |
| Forme spectrale | D1 RMS | Variabilité locale | Spectre structuré | Plat | Biologie ou artefact | median RMS(first derivative per spectrum)alert = d1_rms / signal_scale, saturated at 5% |
| Outliers multivariés | PCA Q (SPE) | Non expliqué par PCA | Spectre atypique | Conforme | Artefact, mélange | p95(Q/SPE residual) / median(Q/SPE residual)alert = min(1, pca_q_ratio / 8) |
| Outliers multivariés | Hotelling T² | Extrême dans PCA | Extrême mais cohérent | Central | Variabilité naturelle | p95(Hotelling T2) / median(Hotelling T2)alert = min(1, hotelling_t2_ratio / 8) |
| Outliers multivariés | Mahalanobis H | Distance au nuage | Outlier global | Population normale | Domaine différent | p95(sqrt(T2)) / median(sqrt(T2))alert = min(1, mahalanobis_h_ratio / 4) |
| Comparaison à référence | RMS to mean spectrum | Distance moyenne | Spectre différent | Typique | Domain shift | p95 RMS distance to dataset mean spectrumalert = RMS_p95 / signal_scale, saturated at 25% |
| Comparaison à référence | Spectral Angle Mapper (SAM) | Différence de forme | Forme différente | Similaire | Fond, géométrie | p95 spectral angle to dataset mean spectrumalert = min(1, SAM_p95 / 0.35 rad) |
| Répétabilité | RMS intra-ID | Reproductibilité | Mauvaise répétabilité | Stable | Positionnement | median RMS distance to repeated-sample centroidalert = RMS_intra_ID / signal_scale, saturated at 10% |
| Répétabilité | SAM intra-ID | Variation de forme | Instable | Stable | Acquisition | median SAM to repeated-sample centroidalert = min(1, SAM_intra_ID / 0.15 rad) |
| Répétabilité | CV intra-ID | Variabilité interne | Mauvais contrôle | Stable | Opérateur | median within-ID band CValert = min(1, CV_intra_ID / 0.25) |
| Structure du dataset | PCA score density | Clusters | Sous-populations | Homogène | Lots différents | 1 / median kNN distance in PCA score spacealert follows density_cv/profile structure complexity, not raw density alone |
| Structure du dataset | Local Outlier Factor (LOF) | Anomalie locale | Spectre isolé | Population normale | Cas rares | p95 approximate LOF from PCA-score kNN distancesalert = min(1, max(0, LOF_p95 - 1) / 2) |
| Structure du dataset | Isolation Forest score | Anomalie globale | Spectre atypique | Normal | Diverses causes | p95 IsolationForest anomaly score on PCA scoresalert follows structure complexity; raw score is implementation-dependent |
| Technologie | Adaptations / métriques | Anomalies ciblées | Commentaire pratique |
|---|---|---|---|
| UV-Vis 300-1000 nm | Baseline, pente globale, dérive aux bords 300-350 et 900-1000; métriques par zones | Lumière parasite, mauvais blanc, saturation, faible signal aux extrémités | Les bords sont souvent instables; calculer aussi des scores edge/middle. |
| UV-Vis 300-1000 nm | Saturation / clipping proche absorbance max ou réflectance max | Signal écrêté | Très important si absorption forte. |
| UV-Vis 300-1000 nm | Red-edge, position de maximum, ratios de bandes si végétal | Décalage biologique ou artefact optique | Aide à distinguer changement réel et problème d'acquisition. |
| UV-Vis 300-1000 nm | Smoothness / roughness index | Bruit haute fréquence | Souvent plus informatif que le SNR seul. |
| MIR / ATR-FTIR | ATR contact quality index: intensité globale, aire totale, profondeur des bandes clés | Mauvais contact cristal-échantillon | Crucial: beaucoup d'anomalies viennent du contact ATR. |
| MIR / ATR-FTIR | CO2 / H2O atmospheric bands | Mauvaise correction atmosphérique | Pics parasites fréquents. |
| MIR / ATR-FTIR | Baseline curvature / rubber-band residual | Diffusion, contact, dérive baseline | Très utile avant PCA. |
| MIR / ATR-FTIR | Peak position shift | Mauvais alignement spectral / calibration | Important en FTIR car de petits shifts comptent. |
| MIR / ATR-FTIR | Band area ratios sur bandes connues | Spectre chimiquement incohérent | À adapter par matrice: polysaccharides, protéines, lipides, etc. |
| HS-MS | Total Ion Current (TIC), Base Peak Intensity (BPI) | Injection faible, ionisation instable | Équivalent MS du niveau global spectral. |
| HS-MS | Nombre de pics détectés | Spectre pauvre ou trop bruité | Trop peu = mauvais signal; trop = bruit/contamination. |
| HS-MS | Mass accuracy / m/z drift | Problème calibration masse | Fondamental en HRMS. |
| HS-MS | Retention time drift si LC/GC-MS | Dérive chromatographique | À suivre sur standards/QC pools. |
| HS-MS | Blank contamination score | Contaminants / carry-over | Comparer échantillons vs blancs. |
| HS-MS | Internal standard CV | Variabilité instrumentale | Très robuste si standards disponibles. |
| HS-MS | Missingness par feature | Instabilité de détection | Crucial pour filtrer les variables. |
| Avec répétitions | RMS intra-échantillon | Répétabilité globale | Applicable à toutes les technologies. |
| Avec répétitions | SAM / corrélation intra-échantillon | Répétabilité de forme | Très utile pour spectres. |
| Avec répétitions | CV intra-échantillon par bande / feature | Répétabilité locale | Détecte les zones instables. |
| Avec répétitions | ICC ou variance components | Part variance échantillon vs technique | Très utile si plusieurs répétitions par sample. |
| Avec répétitions | Distance au centroïde intra-ID | Répétition aberrante | Permet de flagger la mauvaise répétition plutôt que le sample entier. |
| Famille de bug potentiel | Méthodes à ajouter | Ce que ça détecte | État dans l’explorateur |
|---|---|---|---|
| Shift spectral global | Corrélation spectre moyen inter-dataset, DTW, cross-correlation, comparaison positions de pics | Décalage en longueur d'onde, mauvais alignement, interpolation différente | Partiellement calculé: cross-correlation lag et dispersion des positions de pics vs spectre moyen. |
| Baseline / offset / gain | Régression chaque spectre vs spectre moyen: x = a + b ref + residual; suivi de a, b, RMS résiduel | Offset additif, effet multiplicatif, dérive de baseline | Calculé dans reference.affine_*. |
| Mélange de lignes / mauvais appariement X-M-Y | Vérification index, hash des lignes, duplication ID, distance spectrale intra-ID, labels incohérents | Lignes mélangées, metadata mal alignées, Y attribué au mauvais spectre | Partiellement couvert par répétabilité intra-ID; checks index/hash à ajouter au pipeline canonical. |
| Fuite d'information / répétitions mal splitées | GroupKFold par sample_id vs StratifiedKFold random; audit des partitions par sample_id | Performance artificiellement bonne due aux répétitions | Nécessite splits et benchmark modèle; non calculé par la carte descriptive. |
| Label bugs | Échantillons proches en X mais Y différents, confident learning, erreurs systématiques FP/FN | Y inversés, erreurs de saisie, classes ambiguës | Nécessite Y et/ou modèle; recommandé pour l'explorateur supervisé. |
| Sous-domaines cachés | PCA/UMAP/t-SNE + clustering non supervisé + association avec dataset/Y/date/operator | Lots, campagnes, sondes, backgrounds non renseignés | Partiellement calculé par structure PCA/LOF; UMAP/t-SNE hors carte statique. |
| Artefacts localisés inconnus | Carte wavelength x dataset: différence moyenne, différence variance, KS par longueur d'onde | Régions spectrales anormales non anticipées | À calculer au niveau banque quand plusieurs datasets partagent un axe spectral. |
| Ruptures instrumentales | Discontinuités dans dérivées, changepoint detection | Splice, raccord détecteur, saut local non prévu | Calculé par jump/spike rates; changepoint plus avancé à ajouter. |
| Mélange / contamination spectrale | NMF / unmixing / reconstruction par convex hull | Composante externe: fond, plastique, sol | Non calculé automatiquement; nécessite hypothèses de composants ou grande bibliothèque. |
| Features instables mais prédictives | Importance modèle vs instabilité QC par variable | Modèle qui apprend un artefact plutôt qu'un signal biologique | Nécessite modèle supervisé; recommandé pour rapports de benchmark. |
| n / missing | 490 / 0 |
|---|---|
| Mean ± SD | 28.94 ± 15.9 |
| Median | 22.25 |
| Range | 12.2 – 90.8 |
| CV | 0.551 |
| Skew / kurtosis | 1.5 / 1.8 |
| Normal? | no |
| n / missing | 490 / 0 |
|---|---|
| Mean ± SD | 215.1 ± 121 |
| Median | 167.4 |
| Range | 83.3 – 765.2 |
| CV | 0.562 |
| Skew / kurtosis | 1.8 / 3.1 |
| Normal? | no |
| n / missing | 490 / 0 |
|---|---|
| Mean ± SD | 2.319 ± 2.76 |
| Median | 0.91 |
| Range | 0.01 – 12.99 |
| CV | 1.19 |
| Skew / kurtosis | 1.5 / 1.4 |
| Normal? | no |
| n / missing | 490 / 0 |
|---|---|
| Mean ± SD | 9.575 ± 7.46 |
| Median | 5.885 |
| Range | 2.07 – 40.48 |
| CV | 0.779 |
| Skew / kurtosis | 1.5 / 1.5 |
| Normal? | no |
| n / missing | 490 / 0 |
|---|---|
| Mean ± SD | 7.976 ± 8.37 |
| Median | 3.545 |
| Range | 0.84 – 43.72 |
| CV | 1.05 |
| Skew / kurtosis | 1.7 / 2.1 |
| Normal? | no |
| n / missing | 490 / 0 |
|---|---|
| Mean ± SD | 10.55 ± 6.98 |
| Median | 8.15 |
| Range | 0.66 – 47.72 |
| CV | 0.661 |
| Skew / kurtosis | 1.3 / 1.9 |
| Normal? | no |
| n / missing | 490 / 0 |
|---|---|
| Mean ± SD | 13.33 ± 20.1 |
| Median | 5.33 |
| Range | 1.53 – 145.5 |
| CV | 1.51 |
| Skew / kurtosis | 3.3 / 12 |
| Normal? | no |
| n / missing | 490 / 0 |
|---|---|
| Mean ± SD | 3.386 ± 2.66 |
| Median | 2.21 |
| Range | 0.52 – 18.76 |
| CV | 0.786 |
| Skew / kurtosis | 1.7 / 3.8 |
| Normal? | no |
| n / missing | 490 / 11 |
|---|---|
| Mean ± SD | 48.03 ± 0.428 |
| Median | 48.17 |
| Range | 47.38 – 48.97 |
| CV | 0.00891 |
| Skew / kurtosis | 0.011 / -1.2 |
| Normal? | no |
| n / missing | 490 / 11 |
|---|---|
| Mean ± SD | -2.586 ± 0.868 |
| Median | -2.428 |
| Range | -4.826 – -1.129 |
| CV | 0.336 |
| Skew / kurtosis | -0.42 / -0.27 |
| Normal? | no |
| n / missing | 490 / 0 |
|---|---|
| Classes | 6 |
| Balance (entropy) | 0.64 |
| Imbalance ratio | 3e+01 |
| Top class | Cattle manure (276) |
| Alignment level | observation |
|---|---|
| Sample id available | yes |
| Samples | 490 |
| Observations (total) | 490 |
| Reps per sample | min 1 · mean 1 · max 1 |
| Contributor | NIRS DB MANURE21 |
|---|---|
| Origin · script [manual] | source_to_standard.py — standardization script (maintainer-only) |
| Tier | private |
|---|---|
| License | LicenseRef-not-cleared |
| Permitted use | Research and benchmarking; private use only. |
| Access policy | Manual download / private-use-only per source. |
| Redistribution | Redistribution not cleared; verify source terms before release. |
| Content version | 1.0.0 |
| Schema / protocol | 2.0 |
| Content hash | 8bb92a2bd843d01b… |
| Processing hash | 326ddc03d1a09092… |
| Metadata hash | 453693e89aefef54… |
# pip install nirs4all-datasets from nirs4all_datasets import get # private dataset — export requires a Dataverse token ds = get("manure21_nir_all_y", token="…") X, y = ds.x(), ds.y() print(X.shape, y.shape)
Metadata downloads are available for public datasets only. The dataset bytes are never served here — fetch them from the origin / DOI above.