MATLAB实现偏最小二乘回归PLS

这一定是一篇真正的傻瓜攻略，原理为根，算法为骨，应用为肉，傻瓜为皮。
本文主要介绍偏最小二乘回归的基本实现，主要内容基于司守奎《数学建模算法与应用》第11章，在其基础上进行优化。

偏最小二乘回归分析

偏最小二乘回归是回归分析方法的一种，其可以进行多对多线性回归建模，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。

偏最小二乘回归分析在建模过程中集中了主成分分析、典型相关分析和线性回归分析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以同时完成一些类似于主成分分析和典型相关分析的研究内容，提供一些更丰富、深入的信息。

建模步骤

偏最小二乘回归分析的简单步骤如下图所示

代码实现

将以下数据保存到txt文件中，命名为pz.txt，作为分析的对象。

191	36	50	5	162	60
189	37	52	2	110	60
193	38	58	12	101	101
162	35	62	12	105	37
189	35	46	13	155	58
182	36	56	4	101	42
211	38	56	8	101	38
167	34	60	6	125	40
176	31	74	15	200	40
154	33	56	17	251	250
169	34	50	17	120	38
166	33	52	13	210	115
154	34	64	14	215	105
247	46	50	1	50	50
193	36	46	6	70	31
202	37	62	12	210	120
176	37	54	4	60	25
157	32	52	11	230	80
156	33	54	15	225	73
138	33	68	2	110	43

首先是数据处理，进行标准化；

%% 数据处理
ab0=load('pz.txt');   %原始数据存放在纯文本文件pz.txt中
mu=mean(ab0);sig=std(ab0); %求均值和标准差
rr=corrcoef(ab0);   %求相关系数矩阵
ab=zscore(ab0); %数据标准化
a=ab(:,[1:3]);    %提出标准化后的自变量数据
b=ab(:,[4:end]);  %提出标准化后的因变量数据

通过提取成分的贡献率确定要用的主成分个数，即ncomp。也可以跳过这一步，直接指定ncomp数值进行下一步。这个的具体数值要根据效果而定，选的越多效果越好（应该是）。

%