Nach den Vorverarbeitungsschritten und optionaler Qualitätsprüfung ist es möglich wahlweise überwachte oder unüberwachte Machine-Learning-Modelle zu konstruieren. Zur Vermeidung einer Überanpassung der Modelle erfolgt eine Dimensionsreduktion mittels Hauptkomponentenanalyse (PCA) oder einem Convolutional Neural Network (CNN). Je nachdem, ob eine Identifikations- oder Konzentrationsbestimmung erfolgen soll, wird ein Klassifikations- bzw. Regressionsmodell benötigt. Hierfür stehen folgende Modelle in der Software zu Verfügung:
- lineare Diskriminanzanalyse (LDA);
- Random Forest (RF);
- k-nächste Nachbarn (kNN);
- Support-Vektor-Maschine (SVM);
- partielle kleinste quadrierte Diskriminanzanalyse (PLS-DA);
- unüberwachte hierarchische Ward-Cluster-Analyse (HCA);
- lineare Regression;
- partielle kleinste quadratische Regression (PLSR).