python pls_Python sklearn.cross_decomposition.PLSRegression()用法及代码示例

PLS回归是一个回归方法，考虑到在两个数据集中的潜结构。偏最小二乘回归在两个single-label和multi-label学习的原因基于MRI的评估表现良好。 PLSRegression从PLS获取与模式=” A”和deflation_mode =”回归”。另外，在一维响应的情况下，已知的PLS2或PLS。

用法：class sklearn.cross_decomposition.PLSRegression(n_components=2, *, scale=True, max_iter=500, tol=1e-06, copy=True)

参数：

该函数接受被上述和下面定义的五个参数：

n_components：：其默认值为2，它接受需要保留的组件数。

规模：：其缺省值为True，并且它接受是否缩放数据或没有。

max_iteran：的：它的默认值是500，并且它接受NIPALS内部循环迭代的最大数量。

收费：：其默认值为1e-06，它接受迭代算法中使用的容差。

复制：：其默认值为True，它表明应该对副本进行偏转。当默认值设置为true不要在意副作用。

返回值：PLSRegression是预测响应的方法。

在下面的实施例说明了如何使用PLSRegression()模型。

例：

Python3

import numpy as np

import pandas as pd

from sklearn import datasets

import