部分最小二乘(PLS)回归
plsregress
使用SIMPLS算法[1].功能第一中心X
和y
通过减去列表示以中心预测器和响应变量X0.
和Y0
, 分别。但是,该函数不会重新归类列。使用标准化变量执行PLS回归,使用ZScore.
正常化X
和y
(列的列X0.
和Y0
集中为均值0,缩放为标准差1)。
居住后X
和y
那plsregress
计算奇异值分解(SVD)x0'* y0
.预测器和响应载荷XL.
和YL型
是从回归中获得的系数X0.
和Y0
在预测指标分数XS
.您可以重建中心数据X0.
和Y0
使用XS * XL'
和xs * yl'
, 分别。
plsregress
最初计算y
作为y = Y0 * YL型
.按照惯例[1], 然而,plsregress
然后正交化每列y
的前一列XS
, 以便xs'* ys
是一个较低的三角形矩阵。
[1] De Jong,Sijmen。“简化:偏离方格回归的替代方法。”化学计量学和智能实验室系统18日,没有。3(1993年3月):251-63。https://doi.org/10.1016/0169-7439 (93)85002-x..
[2] Rosipal,Roman和Nicole Kramer。“概述和近期最小二乘的进步。”子空间、潜在结构和特征选择:统计与优化视角研讨会(SLSFS 2005),修订论文选集(计算机科学讲义3940).德国柏林:施普林格出版社,2006,第3940卷,第34-51页。https://doi.org/10.1007/11752790_2.
[3] Chong, Il-Gyo, and Chi-Hyuck Jun. <多重共线性存在时一些变量选择方法的表现>化学计量学和智能实验室系统78,没有。1-2(2005年7月)103-12。https://doi.org/10.1016/j.chemolab.2004.12.011.