算法大全第30章__偏最小二乘回归

普大帝

你好！我是陪你一起进阶人生的普大帝！愿你成才！祝你成长！
5 N+ L! u: x1 J) x2 M9 ?0 G为大家更新一些算法类的辅助资料，大家在想学习时，或者比赛急需时就可以按照对应的名字找到对应的算法，加以应用了。大家按照下图所示箭头处点击主题，就可以查看到其他算法类内容了，或者搜索框内输入算法大全，也可以搜索到对应的贴子，本篇为第30篇。
% A. R2 [, X4 g' n3 U

偏最小二乘回归

  w( Z- P$ r+ J& l在实际问题中，经常遇到需要研究两组多重相关变量间的相互依赖关系，并研究用一组变量（常称为自变量或预测变量）去预测另一组变量（常称为因变量或响应变量），除了最小二乘准则下的经典多元线性回归分析（MLR），提取自变量组主成分的主成分回归分析（PCR）等方法外，还有近年发展起来的偏最小二乘（PLS）回归方法。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
) C$ g+ _1 _' K/ l0 i: v5 C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。
本章介绍偏最小二乘回归分析的建模方法；通过例子从预测角度对所建立的回归模型进行比较。
: Z9 f# J. L) I0 q$ t8 u: k
* m1 t# X" l$ L. r( t

/ E  E1 c9 I- F
* L' t2 D7 z5 j9 W+ l4 Y' m: q
- J5 |: [! t1 x  @+ o& s6 ?6 Y
: `# D& P; g+ ^; }, Z6 o$ |3 @

huangma

努力、努力、努力！！