带注释的PLS matlab实例，主文件为OnlineStage.m，已包含样本数据，可打开直接运行。
2021-11-08 15:32:27
17KB
1
光谱数据分析中常用的数据处理方法，例如多元线性回归、特征提取等操作的MATLAB代码实现。其中提供模拟的光谱数据以供参考。
2021-10-29 15:56:52
590KB
1
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。
2021-10-18 14:29:43
458KB
1
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。
2021-10-14 20:38:45
2KB
1
function [B, options, Yhat, RMSEP] = pls2reg(X, Y, PC, premethod, XTst, YTst)
[ntrn, nfea] = size(X);
[ntrn, nres] = size(Y);
if nargin < 4
premethod = 1;
end
if nargin < 3
PC = 10;
end
2021-10-14 13:06:51
2KB
1
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
2021-09-30 15:17:37
12.04MB
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
2021-09-28 15:06:30
30KB
1