本稿では、調理肉のチオバルビツール酸反応物質（TBARS）を鮮度指標として、高次スペクトルデータと半教師あり学習を組み合わせて予測を行った。データセットにおいて、高次スペクトルデータはX、TBARS含有量データはy値である。同時に、全サンプル集合を較正セット、検証セット、独立テストセットに分割した。較正セットは、検証セットおよび独立テストセットの予測のためのモデル構築に使用される。較正セットには、Xとyの両方を持つラベル付きサンプルと、Xのみでyを持たないラベルなしサンプルが含まれる。検証セットおよび独立テストセットの各サンプルはすべてラベル付きサンプルである。検証セットは、較正セットによるモデル構築のパラメータ調整のみに使用され、モデリングには参加しない。独立テストセットは、モデリングやパラメータ調整には参加せず、モデルの最終結果のテストにのみ使用される。本文では、較正セットのサンプル数は233で、そのうちラベル付きサンプルが48、ラベルなしサンプルが185である。検証セットおよび独立テストセットのサンプル数はそれぞれ12である。モデリング過程では、まず較正セットのラベル付きサンプルを用いてXとyのモデルを構築し、このモデルでラベルなしサンプルのy値を推定する。この段階で、較正セット内のすべてのサンプルはラベル付きとなる。最後に、較正セット内の全サンプルを基にモデルを構築し、予測に用いる。構築された二つのモデルのパラメータには差異があり、いずれも検証セットにより最適化される。結果は、サポートベクターマシン回帰（SVR）が優れたモデリング効果を示し、SVRアルゴリズムと半教師あり学習の組み合わせが高い予測精度を得られることを示した。ラベルなしサンプルの選択においては、全てのラベルなしサンプルを用いる方法と比較し、距離法に基づく選択が予測誤差を低減できることが分かった。

調理肉;チオバルビツール酸反応物質（TBARS）;半教師あり回帰;高次スペクトル;サポートベクターマシン回帰（SVR）;ガウス過程回帰（GPR）