pls算法理解.pptxVIP

PLS;Pls算法;一、数据的读取与处理;data=zscore(pz) %数据标准化;二、*提取主成分;;for i=1:n %以下计算w，w*和t 的得分向量， matrix=e0*f0*f0*e0; [vec,val]=eig(matrix) %求特征向量和特征值 82page val=diag(val) ;%提出对角线元素 [val,ind]=sort(val,descend) ;% w(:,i)=vec(:,ind(1)); %提出最大特征值对应的特征向量 w_star(:,i)=chg*w(:,i) %计算w*的取值 ？？？ t(:,i)=e0*w(:,i) %计算成分ti 的得分 alpha=e0*t(:,i)/(t(:,i)*t(:,i)) %计算alpha_i 王书 154页的P值 chg=chg*(eye(n)-w(:,i)*alpha) %计算w*到w的变换矩阵 e=e0-t(:,i)*alpha ;%计算残差矩阵 e0=e; 、 、 、 、;三、*交叉性检验（确定主成分的个数）;%以下计算ss(i)的值 beta=[t(:,1:i),ones(num,1)]\f0; beta(end,:)=[]; %删除回归分析的常数项27page cancha=f0-t(:,1:i)*beta ; % 见156page ss(i)=sum(sum(cancha.^2)); %求误差平方和 第一个sum先把矩阵的列相加（n个样本点的拟合值的 和） 第二个sum是把矩阵的行相加 for j=1:num t1=t(:,1:i);f1=f0; she_t=t1(j,:);she_f=f1(j,:); %把舍去的第j 个样本点保存起来 t1(j,:)=[];f1(j,:)=[]; %删除第j 个观测值 beta1=[t1,ones(num-1,1)]\f1; %求回归分析的系数 beta1(end,:)=[]; %删除回归分析的常数项 cancha=she_f-she_t*beta1; %求残差向量 press_i(j)=sum(cancha.^2); 求第j个样本点的预测误差平方和 end;四、求解原始数据的回归方程的系数