偏最小二乘方法 .ppt

第六章 偏最小二乘方法;§ 6.1 多元线性回归（MLR）;若用图形表示，则为：; (3)mn，变量数小于试样数，尽管我们得不到准确解b，但是可以使残差矢量e尽可能小而得到解， ;若用矩阵标表示，则：;对于2-P 个因变量的图形表示为：; 事实上，完全满足上述条件比较困难。当噪声较强，或干扰较严重时，有可能导致所得数学模型失真，如下例：;式中，yik 为矩阵Y中第i行第k列的矩阵元，为由矩阵B所得的计算值，?ik为前面所介绍的矩阵E的矩阵元。此例中，Err = 0.49。;对于此模型，Err=0.07。它比前者为小，这就意味着对于矩阵Y，第二个数学模型比第个要更有效，这是一种假象。由于X中引入最后一列，使得B2中上部3*3部分与前边所提B不相等（B为真实模型）。由B2计算所得Y尽管误差要小，但其数学模型所描述的自变量与因变量间的关系并不真实。其原因主要为多元线性回归方法是采用整个X矩阵来建立数学模型，而并不顾及在X中的信息与真实模型相关与否。很显然，若所得结果偏离了其实际数学模型，则对于未知试样的预测也是错误的。 ;§ 6.2 主成分回归; 设矩阵X的阶为I*J，若T的阶与J相等，则主成分回归与多元线性回归所得结果相同，并不能显示出主成分回归的优越之处。选取的主成分数一般应该比J 小，而删去那些不重要的主成分，因为这些主成分所包含的信息主要是噪声，由此所