matlab 偏最小二乘法 函数plsregress
来源:互联网 发布:仓库管理源码php 编辑:程序博客网 时间:2024/05/16 04:56
function [Xloadings,Yloadings,Xscores,Yscores, ...
beta,pctVar,mse,stats] = plsregress(X,Y,ncomp,varargin)
用ncomp个因子或潜在变量计算Y在X上的回归,返回预测和响应载荷。
X是n*p预测变量,行对应观测项,列对应变量。
Y是n*m响应矩阵。
Xloadings是p*ncomp因子载荷,每行包含定义原始预测变量的线性组合系数。
Xscores返回预测变量得分,即PLS因子是X中变量的线性组合,Xscores是一个n*ncomp正交矩阵,行对应观察值,列对应因子。
因子载荷矩阵是各个原始变量的因子表达式的系数,表达提取的公因子对原始变量的影响程度。
因子得分矩阵表示各项指标变量与提取的公因子之间的关系,在某一公因子上得分高,表明该指标与该公因子之间关系越密切。
简单说,通过因子载荷矩阵可以得到原始指标变量的线性组合,
如X1=a11*F1+a12*F2+a13*F3,其中X1为指标变量X1,a11、a12、a13分别为与变量X1在同一行的因子载荷,F1、F2、F3分别为提取的公因子;
通过因子得分矩阵可以得到公因子的线性组合,如F1=a11*X1+a21*X2+a31*X3,字母代表的意义同上。、
beta为回归模型的系数
PCTVAR是一个两行的矩阵,第一行为自变量提取成分的贡献率,第二行为因变量提取成分的贡献率
MSE是一个两行的矩阵,第一行的第j个元素表示自变量与它的前j-1个提出成份之间回归方程的剩余标准差;第二行的第j个元素对应着因变量与它的前j-1个提出成份之间回归方程的剩余标准差;
stats返回4个值stats.W是一个pls权重的ρ*ncomp的矩阵,使XS=X0*W,每一列对应特征向量ρi
stats.T2是XS每一点的T^2统计值
stats.Xresiduals为预测值残差,X0-XS*XL'
stats.Yresiduals为响应残差,Y0-XS*YL'
- matlab 偏最小二乘法 函数plsregress
- matlab偏最小二乘法
- matlab偏最小二乘法及其检验
- 最小二乘法代码(matlab 中polyfit函数原型)
- 最小二乘法 MATLAB
- MATLAB 最小二乘法
- Matlab曲线拟合 最小二乘法 polyfit
- Matlab曲线拟合 最小二乘法
- 最小二乘法matlab拟合
- MATLAB实现最小二乘法
- 利用MATLAB理解最小二乘法
- 偏最小二乘回归分析实例plsregress命令
- 最小二乘法原理,拟合(matlab)。
- 最小二乘法的应用(Matlab)
- MATLAB 超定方程组 最小二乘法
- 偏最小二乘法
- 偏最小二乘法
- Matlab物化实验——已知函数表达式用最小二乘法拟合
- CSS之两栏固定布局(一)
- C语言图书管理系统
- web.xml配置详解
- <NOIP> 14 . P1047 校门外的树
- 数据结构面试整理(2)
- matlab 偏最小二乘法 函数plsregress
- 当 Direct3D 遇上中国古诗词
- crond和crontab调研
- Android EventBus简单使用
- 实验测试admin_move_table的机制(1)
- 儿童编程微课堂-Scratch准备篇:一、Scratch简介
- oracle获取的执行计划区别及获取真实执行计划
- 列写三角函数表(C语言实现)
- C++ API设计—— API特征