基于Python（sklearn）计算PLS中的VIP值

基于Python（sklearn）计算PLS中的VIP值

sklearn中PLS回归模型并没有计算VIP值的方法，但VIP又是很重要的筛选变量方法。下附代码思路与完整代码，若有错误，万望指正。

1.首先亮明计算公式：

其中：
VIPj：对应于第j个特征的VIP值；
p：预测变量的总数；
A：PLS成分的总数；
R矩阵：A个PLS成分中，每个成分a都对应一套系数wa将X转换为成分得分，系数矩阵写作R，大小为p×A；
T矩阵：n个样本中，每个样本会计算出A个成分得分，得分矩阵记做T，大小为n×A，ta代表n个样本的第a个成分的得分列表；
以上有T = XR
qa：
e是残差，X0和y0代表数据和标签。

2. 按照sklearn中对属性的解释：

该x_rotations_应对应于R矩阵，T矩阵对应于transform后生成的降维数据。
又依据：

有模型中e残差应为0，即y = yhat = X coef_

3. 组织计算步骤
1）计算qa2：qa = yhat.T ta -> Q2 = q2 = np.square(y.T, T)
2) p = X.shape[1]
3) = np.sum(Q2)
4) R = x_rotations_
4) = R[j, a] / np.linalg.norm(R[:, a])

Ok，万事具备，开搞。
下付完整代码

def compute_VIP(X,