r语言pls分析_基于R语言的PLS算法的实现解读.pptx

基于R语言的PLS算法的实现及研究

目录

使用的开发工具

偏最小二乘的设计思想

基于R语言、MATLAB的偏最小二乘的实现

通径分析

测定系数

实验分析

使用的开发工具

R 语言(R是用于统计分析、绘图的语言和操作环境。它是一个用于统计计算和统计制图的优秀工具。)

MATLAB(它是一种以矩阵运算为基础的交互式程序语言。它作为一种编程语言和可视化工具,可解决工程、科学计算和数学学科中许多问题。)

偏最小二乘回归法

最小二乘

偏最小二乘

1.数目较少

2.无多重共线性

3.各解释变量与反应变量之间的关系易于解释

1.在自变量存在严重多重共线性时可以进行回归建模；

2.在样本点个数比变量个数(维数)明显过少时可以进行

回归建模；

3. PLS模型可以识别系统信息与噪声；

4. PLS模型中，每一个自变量的回归系数容易解释；

5. PLS最终回归模型中包含原有的所有自变量。

偏最小二乘回归法

算法的设计思想

①两组潜变量分别最大程度承载自变量与因变量的变异信息；

②二者之间的协方差最大化(相关程度最大)。

算法的设计思想

提取多少个主成分最合适？？？

交叉性检验

>=0.0975

实例分析(基于MATLAB)

芦荟大黄素

大黄素

大黄酸

大黄酚

大黄素甲醚

厚朴酚

和厚朴酚

橙