偏最小二乘法matlab编程.docVIP

一、起源与发展 偏最小二乘法（partial least squares method，PLS）是一种新型的多元统计数据分析方法，它于1983年由伍德 S.Wold 和阿巴诺 C.Albano 等人首次提出。其实在早在70年代伍德 S.Wold 的父亲H Wold便在经济学研究中引入了偏最小二乘法进行路径分析，创建了非线性迭代偏最小二乘算法 Nonlinear Iterative Partial Least Squares algorithm，NIPALS ，至今仍然是PLS中最常用和核心的算法。 PLS在20世纪90年代引入中国，在经济学、机械控制技术、药物设计及计量化学等方面有所应用，但是在生物医学上偏最小二乘法涉及相对较少。对该方法的各种算法和在实际应用中的介绍也不系统，国内已有学者在这方面做了一些努力，但作为一种新兴的多元统计方法，还不为人所熟知。 PLS是一种数学优化技术，它通过最小化误差的平方和找到一组数据的最佳函数匹配。用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小。通常用于曲线拟合。有人用下式来形容PLS： 偏最小二乘回归≈多元线性回归分析＋典型相关分析＋主成分分析 二、特点： 与传统多元线性回归模型相比，偏最小二乘回归的特点是： 1 能够在自变量存在严重多重相关性的条件下进行回归建模； 2 允许在样本点个数少于变量个数的条件下进行回归建模； 3 偏最小二乘回归在最终模型中将包含原有的所有自变量； 4 偏最小二乘回归模型更易于辨识系统信息与噪声（甚至一些非随机性的噪声）； 5 在偏最小二乘回归模型中，每一个自变量的回归系数将更容易解释。 偏最小二乘法的Matlab源码 2008-09-21 09:31:21 所谓偏最小二乘法，就是指在做基于最小二乘法的线性回归分析之前，对数据集进行主成分分析降维，下面的源码是没有删减的 /greensim）。 function [y5,e1,e2] PLS X,Y,x,y,p,q %% 偏最小二乘回归的通用程序 % 注释以“基于近红外光谱分析的汽油组分建模”为例，但本程序的适用范围绝不仅限于此 % % 输入参数列表 % X 校正集光谱矩阵，n×k的矩阵，n个样本，k个波长 % Y 校正集浓度矩阵，n×m的矩阵，n个样本，m个组分 % x 验证集光谱矩阵 % y 验证集浓度矩阵 % p X的主成分的个数，最佳取值需由其它方法确定 % q Y的主成分的个数，最佳取值需由其它方法确定 % % 输出参数列表 % y5 x对应的预测值（y为真实值） % e1 预测绝对误差，定义为e1 y5-y % e2 预测相对误差，定义为e2 | y5-y /y| %% 第一步：对X,x,Y,y进行归一化处理 [n,k] size X ; m size Y,2 ; Xx [X;x]; Yy [Y;y]; xmin zeros 1,k ; xmax zeros 1,k ; for j 1:k xmin j min Xx :,j ; xmax j max Xx :,j ; Xx :,j Xx :,j -xmin j / xmax j -xmin j ; end ymin zeros 1,m ; ymax zeros 1,m ; for j 1:m ymin j min Yy :,j ; ymax j max Yy :,j ; Yy :,j Yy :,j -ymin j / ymax j -ymin j ; end X1 Xx 1:n,: ; x1 Xx n+1 :end,: ; Y1 Yy 1:n,: ; y1 Yy n+1 :end,: ; %% 第二步：分别提取X1和Y1的p和q个主成分，并将X1,x1,Y1,y1映射到主成分空间 [CX,SX,LX] princomp X1 ; [CY,SY,LY] princomp Y1 ; CX CX :,1:p ; CY CY :,1:q ; X2 X1*CX; Y2 Y1*CY; x2 x1*CX; y2 y1*CY; %% 第三步：对X2和Y2进行线性回归 B regress Y2,X2,0.05 ;%第三个输入参数是显著水平，可以调整 %% 第四步：将x2带入模型得到预测值y3 y3 x2*B; %% 第五步：将y3进行“反主成分变换”得到y4 y4 y3*pinv CY ; %% 第六步：将y4反归一化得到y5 for j 1:m y5 :,j ymax j -ymin j *y4 :,j +ymin j ; end %% 第七步：计算误差 e1 y5-y; e2 abs y5-y ./y ; f