python偏最小二乘法回归分析_偏最小二乘回归(PLSR)- 2 标准算法(NIPALS)

本文详细介绍了使用NIPALS算法实现Python中的偏最小二乘法回归(PLSR)过程,包括中心化数据、迭代求解权重和因子、残差矩阵计算以及因子和载荷的理解。通过交替建立X与Y的回归关系,该算法通常能快速收敛,并提供了预测新数据的步骤。
摘要由CSDN通过智能技术生成

1 NIPALS 算法

Step1:对原始数据X和Y进行中心化,得到X0和Y0。从Y0中选择一列作为u1,一般选择方差最大的那一列。 注:这是为了后面计算方便,如计算协方差时,对于标准化后的数据,其样本协方差为cov(X,Y)=XTY/(n-1)。

Step2:迭代求解X与Y的变换权重(w1,c1)、因子(u1,t1),直到收敛 step 2.1:利用Y的信息U1,求X的变换权重w1(w1实现有X0到因子t1的变换,t1=X0*w1)及因子t1。从而将X0的信息用t1来近似表达。

30100443-461c7f42371f4e198e64109c3160bcfd.png (2.1)

30100444-9bdc61014f0b494383ea51e4281e5e51.png (2.2)

30100445-7dd8c96019c047feaf1b6fd09e5d4469.png (2.3) Step2.2:利用X的信息t1,求Y的变换权重c1(c1实现有Y0到因子u1的变换,u1=Y0*c1),并更新因子u1。从而将Y0的信息用t1来近似表达。

30100445-1e068b22c6ad477abebe251d205b4e7d.png (2.4)

30100446-bf23c304a36246a4bab883b149c5d26c.png (2.5) 30100446-587c1d887cdc47bba23f28d576a057cf.png (2.6) Step2.5:判断是否已找到合理解

30100447-77742e7c887c454195a618e1db19d50b.png (2.7)

30100448-caba1102628c419c85663df922dfa138.png<阈值(如

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值