基于Python计算PLS中的VIP值（变量投影重要性分析法）

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。

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。

相关论文应用：

链接：基于敏感变量筛选的多光谱植被含水率反演模型研究 - 中国知网

代码：基于Python计算PLS中的VIP值（变量投影重要性分析法）