partial least squares regresssion （PLSR）偏最小二乘

适用范围

1. 样本量很小，不是正态分布（线性回归一般需要满足正态分布）

原理

使用了包括PCA，典型相关

步骤

第一步：确认主成分数量，通过交叉有效性，RMSEP图和投影重要性VIP分析进行确认；

第二步：基于第一步主成分数量基础上，进行分析。

第二步可以继续拆分为以下5个步骤，分别是：
第1：描述主成分与研究项之间的关系表达式；

第2：描述主成分与研究项之间的相关系数loading值；

第3：描述主成分与研究间之间信息解释率（方差解释率），即精度分析；

第4：研究X对于Y的影响关系情况，包括显著性情况，以及R 方值等；

第5：研究X对于Y的解释力度，即投影重要性VIP分析。

用python实现PLSR

Partial Least Squares Regression (PLSR) is a popular technique for building linear regression models when there are many predictor variables and there may be multicollinearity among them. In PLSR, a set of orthogonal linear combinations of the predictor variables (known as the latent variables or compon