利用偏最小二乘法选出最重要的特征波段Matlab

% 计算偏最小二乘 (PLS) 回归模型的投影 (VIP) 分数中的变量重要性。当变量之间存在多重共线性时，
% 您可以使用 VIP 来选择预测变量。VIP 分数大于 3 的变量被认为对于 PLS 回归模型的预测很重要

%%
% 加载光谱数据
load spectra
X = NIR;
y = octane;

% 指定组件的数量ncomp ，具体可以借鉴PLSRandPCA
ncomp = 2;


% 对y中的预测变量使用y中响应的10个分量执行PLS回归x
[XL,yl,XS,YS,beta,PCTVAR,MSE,stats] = plsregress(X,y,ncomp);

% 计算归一化的PLS的权重
W0 = stats.W ./ sqrt(sum(stats.W.^2,1));

% 计算ncomp组件的VIP分数
p = size(XL,1);
sumSq = sum(XS.^2,1).*sum(yl.^2,1);
vipScore = sqrt(p* sum(sumSq.*(W0.^2),2) ./ sum(sumSq,2));

% 查找VIP分数大于或等于3的变量
indVIP = find(vipScore >= 3); % 具体数字 可自定义

% 绘制VIP分数
scatter(1:length(vipScore),vipScore,'x')
hold on
scatter(indVIP,vipScore(indVIP),'rx')
plot([1 length(vipScore)],[3 3],'--k')
hold off
axis tight
xlabel('Predictor Variables')
ylabel('VIP Scores')

得到VIP分数大于3 的波段，定义为特征波段

 红色为大于3的重要波段。