EPO-pls_matlab .m

偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。 偏最小二乘回归分析在建模过程中集中了主成分分析，典型相关分析和线性回归分 析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以 同时完成一些类似于主成分分析和典型相关分析的研究内容，提供更丰富、深入的一些 信息。

经过验证的matlab的PLS代码，直接输入样品的xo、y0和验证的样品X，即可直接输出Y，可以放心使用

神经网络偏最小二乘

SPSS软件的PLS插件，Python-2.5.6

PLS工具包 matlab

基于偏最小二乘（PLS）的田纳西伊士曼（TEP）故障检测，包含已经处理过的TEP（田纳西伊士曼过程）数据，可直接运行程序，附有详细说明！数据包括正常建模数据和测试数据两部分，适合故障检测与诊断，大数据分析，特征提取方向的研究人员，也可以以此为基础进行扩展性研究！

matlab中超详细的偏最小二乘法原理及算法应用，可供小伙伴们学习

偏最小二乘回归：当数据量小，甚至比变量维数还小，而相关性又比较大时使用，这个方法甚至优于主成分回归。

通过多年的应用，SIMCA-P+软件已成为科学家、研究员、产品开发员、工程师等人士，在处理大批量数据集时使用的标准工具。只需要通过鼠标点击，您的数据就可以转化为信息，让您迅速而自信的做出决定。 特种化学品和石油化学品领域为Simca-P+软件提供了多元化应用的机会。这些领域对数据价值有着传统的了解和重视。从实时优化到先进控制策略，数据的应用是一个成熟的概念。对于数据的批量操作，Umetrics提供了将离线软件SIMCA-P+ 和实时监测软件SIMCA-Batch On-Line 或者 SIMCA-QP+相结合的解决方案。 SIMCA-P+的主要特性： -友好的用户界面-SIMCA V12将先进的数据分析和友好的用户界面完美的结合了起来； -尖端的技术- SIMCA-P+一直处于多元技术的前沿位置； -质量-SIMCA-P+符合最高的工业标准，这点是在接受了广泛的测试之后得出的结论。 SIMCA-P+ 12的新特点 OPLS/O2PLS 常规的PLS使用X创建Y模型，目标是根据X模型来预测Y模型。OPLS是PLS近来的改进方法，设计它是为了控制与Y直交或者无关的X的变化。 族群分析和PLS树状图（Cluster Analysis and PLS-trees） 大量的数据集几乎都会被归类。要在这样的数据集中找出它们之间的关系，必须进行合理的群体划分以确保每个组包括均匀的数据。 工作集向导（The Workset Wizard） 新的工作集向导引导您完成创建模型的数据集导入的所有必要步骤。在某些情况下，在你打开报告程序编辑器前，用户只需要这一项工作。 分析顾问（The Analysis Advisor） 能很好的支持偶尔使用的用户完成艰巨的任务。 What Happens If? SIMCA-P+一个关键的应用领域是过程分析和多变量数据统计过程控制（MSPC）。最新的进程会产生大量的复杂数据，SIMCA-P可以这些数据转化成信息图表。 报告程序编制器（Report Generator） 这个新功能可以帮助您轻而易举的将SIMCA-P+方案直接生成为html报告。 化学结构演示 在QSAR和ADME/Tox建模中，分析结果和化学结构之间的结合非常重要。在导入数据时，通过提供SMILES代码作为一个次级ID，SIMCA-P+就能自动将相关的化学结构与正在进行中的分析形象化。只需要点击任何相关的输出，就会自动显示相关的化学结构。 OPLS (Orthogonal PLS) OPLS是常规PLS改进法，它可以过滤掉与反应没有直接关系的变化。生成的结果是更清晰、更易于解释的模型。 批量分析 SIMCA-P+是进行多元数据分析的标准软件。它能满足进行多变量批量分析的所有需要。SIMCA-P+提供独一无二的批量建模功能，处理阶段、成熟期以及高等或低等模型。SIMCA-P+建立的模型可以实时在线转移到SIMCA Batch。