偏最小二乘法预测月度售电量代码，基于matlab平台实现

许多matlab最小二乘法的源程序，大家仔细看看m文件里的说明就可以了

在实际问题中，经常遇到需要考虑多变量与多变量直接相互依赖关系的问题。偏最小二乘法（PLS）提供了一种多元线性回归建模的方法，尤其适用于当自变量维度很高，而样本维度很低，并且自变量内部存在多重相关相关性的情况。本文详细分析了偏最小二乘的数学原理，并附了详细的数学推导过程，最后从几何的角度评价了这种方法的合理性。

偏最小二乘partial least squares（PLS）的matlab代码实现，整理为matlab函数，方便实用。

matlab偏最小二乘回归(PLSR)和主成分回归(PCR)数据分析报告论文（附代码数据）

可以对光谱数据进行预处理，除了偏最小二乘法之外，也有一些其他方法

空间最小二乘法 (PLS) 是在各个领域中广泛使用的技术。 该包提供了使用非线性迭代偏最小二乘 (NIPALS) 算法执行 PLS 回归的函数。 它包含一个教程函数，用于解释 NIPALS 算法和使用 PLS 函数执行判别分析的方法。 全最小二乘回归和偏最小二乘回归的区别可以解释如下： 对于给定的独立数据 X 和相关数据 Y，拟合模型 Y = X*B + E 总最小二乘回归解决了最小二乘意义上的误差最小化问题： J = E'*E PLS 不是直接在 X 和 Y 之间拟合模型，而是首先将 X 和 Y 分解为低维空间（所谓的潜在变量空间）： X = T*P' + E0，和Y = U*Q' + F0 其中 P 和 Q 是正交矩阵，即 P'*P=I，Q'*Q=I，T 和 U 的列数相同，a 远小于 X 的列数。那么，a在 T 和 U 之间执行最小二乘回归： U = T*B + F

偏最小二乘回归的线性与非线性方法(书.王惠文),非常经典，，推理细致准确

偏最小二乘法回归建模案例.doc

介绍数学建模中偏最小二乘的应用，介绍偏最小二乘原理及项目案例代码。