偏最小二乘法算法.docxVIP

偏最小二乘法 1.1 基本原理 偏最小二乘法(PLS)是基于因子分析的多变量校正方法，其数学基础为主成分分析。但它相 对于 主成分回归(PCR)更进了一步，两者的区别在于 PLS 法将浓度矩阵 Y 和相应 的量测响应矩 阵 X 同时 进行主成分分解： X 二 TP+E Y=UQ+F 式中 T 和 U 分别为 X 和 Y 的得分矩阵，而 P 和 Q 分别为 X 和 Y 的载荷矩阵， E 和 F 分别为 运用 偏最小二乘法去拟合矩阵 X 和 Y 时所引进的误差。 偏最小二乘法和主成分回归很相似，其差别在于用于描述变量 Y 中因子的同时也用于 描述 变量 X。为了实现这一点，数学中是以矩阵 Y 的列去计算矩阵 X 的因子。同时，矩阵 Y 的因子则 由矩阵 X 的列去预测。分解得到的 T 和 U 矩阵分别是除去了人部分测量误差的 响应和浓度的信 息。偏最小二 乘法就是利用各列向量相互正交的特征响应矩阵 T 和特征浓度矩阵 U 进行回归： U=TB 得到回归系数矩阵，又称矢联矩阵 E： B=(TT )F U 因此，偏最小二乘法的校正步骤包括对矩阵 Y 和矩阵 X 的主成分分解以及对矢联矩阵 B 的 计算。 12 主成分分析 主成分分析的中心目的是将数据降维，以排除众多化学信息共存中相互重叠的信息。他是将 原 变量进行转换，即把原变量的线性组合成几个新变量。同时这些新变量要尽可能多