PLS算法分析.pptVIP

第五章 MATLAB优化算法案例分析与应用 第5章 PLS应用分析 第五章 MATLAB优化算法案例分析与应用 5.1 偏最小二乘回归 具体的偏回归流程图如图所示。 第五章 MATLAB优化算法案例分析与应用 5.1 偏最小二乘回归 因变量组和自变量组的 n 次标准化观测数据阵分别记为： 第五章 MATLAB优化算法案例分析与应用 5.2 偏最小二乘快速计算方法 偏最小二乘法的简记算法的步骤如下： （1）求矩阵 最大特征值所对应的特征向量 w1 ，求得成分 ，计算成分得分向量 ，和残差矩阵 ，其中 。 （2）求矩阵 最大特征值所对应的特征向量w2 ，求得成分 ，计算成分得分向量 ，和残差矩阵 ，其中 。 …… （r）至第r 步，求矩阵 最大特征值所对应的特征向量wr ，求得成分 ，计算成分得分向量 。 普通最小二乘回归方程为 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析 No 体重(x1) 腰围(x2) 脉搏(x3) 单杠(y1) 弯曲(y2) 跳高(y3) 1 191 36 50 5 162 60 2 189 37 52 2 110 60 3 193 38 58 12 101 101 4 162 35 62 12 105 37 5 189 35 46 13 155 58 6 182 36 56 4 101 42 7 211 38 56 8 101 38 8 167 34 60 6 125 40 9 176 31 74 15 200 40 10 154 33 56 17 251 250 11 169 34 50 17 120 38 12 166 33 52 13 210 115 13 154 34 64 14 215 105 14 247 46 50 1 50 50 15 193 36 46 6 70 31 16 202 37 62 12 210 120 17 176 37 54 4 60 25 18 157 32 52 11 230 80 19 156 33 54 15 225 73 20 138 33 68 2 110 43 均值 178.6 35.4 56.1 9.45 145.55 70.3 标准差 24.6905 3.202 7.2104 5.2863 62.5666 51.2775 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析 表5-2给出了这6个变量的简单相关系数矩阵。从相关系数矩阵可以看出，体重与腰围是正相关的；体重、腰围与脉搏负相关；而在单杠、弯曲与跳高之间是正相关的。从两组变量间的关系看，单杠、弯曲和跳高的训练成绩与体重、腰围负相关，与脉搏正相关。 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析 ? 体重 腰围 脉搏 单杠 弯曲 跳高 Pearson Correlation 体重 1.000 .870 -.366 -.390 -.493 -.226 腰围 .870 1.000 -.353 -.552 -.646 -.191 脉搏 -.366 -.353 1.000 .151 .225 .035 单杠 -.390 -.552 .151 1.000 .696 .496 弯曲 -.493 -.646 .225 .696 1.000 .669 跳高 -.226 -.191 .035 .496 .669 1.000 Sig. (1-tailed) 体重 . .000 .056 .045 .014 .169 腰围 .000 . .063 .006 .001 .209 脉搏 .056 .063 . .263 .170 .442 单杠 .045 .006 .263 . .000 .013 弯曲 .014 .001 .170 .000 . .001 跳高 .169 .209 .442 .013 .001 . 表5-2 相关系数矩阵 第五章 MATLAB优化算法案例分析与