偏最小二乘回归

✍ dations ◷ 2025-08-29 04:29:21 #偏最小二乘回归
偏最小二乘回归(英语:Partial least squares regression, PLS回归)是一种统计学方法,与主成分回归有关系,但不是寻找响应和独立变量之间最小方差的超平面,而是通过投影预测变量和观测变量到一个新空间来寻找一个线性回归模型。因为数据X和Y都会投影到新空间,PLS系列的方法都被称为双线性因子模型。当Y是分类数据时有“偏最小二乘判别分析(英语:Partial least squares Discriminant Analysis, PLS-DA)”,是PLS的一个变形。偏最小二乘用于查找两个矩阵(X和Y)的基本关系,即一个在这两个空间对协方差结构建模的隐变量方法。偏最小二乘模型将试图找到X空间的多维方向来解释Y空间方差最大的多维方向。偏最小二乘回归特别适合当预测矩阵比观测的有更多变量,以及X的值中有多重共线性的时候。相比之下,标准的回归在这些情况下不见效(除非它是吉洪诺夫正则化)。偏最小二乘算法被用在偏最小二乘路径建模中, 一个建立隐变量(原因不能没有实验和拟实验来确定,但一个典型的模型会基于之前理论假设(隐变量影响衡量指标的表现)的隐变量模型)这种技术是结构方程模型的一种形式,与经典方法不同的是基于组件而不是基于协方差。偏最小二乘来源于瑞典统计学家Herman Wold,然后由他的儿子Svante Wold发展。偏最小二乘的另一个词(根据Svante Wold)是投影到潜在结构,但偏最小二乘法依然在许多领域占据着主导地位。尽管最初的应用是在社会科学中,偏最小二乘回归今天被广泛用于化学计量学和相关领域。它也被用于生物信息学,sensometrics,神经科学和人类学。而相比之下,偏最小二乘回归最常用于社会科学、计量经济学、市场营销和战略管理。偏最小二乘的一般多元底层模型是其中 X {displaystyle X} 是一个 n × m {displaystyle ntimes m} 的预测矩阵, Y {displaystyle Y} 是一个 n × p {displaystyle ntimes p} 的响应矩阵; T {displaystyle T} 和 U {displaystyle U} 是 n × l {displaystyle ntimes l} 的矩阵,分别为 X {displaystyle X} 的投影(“X分数”、“组件”或“因子”矩阵)和 Y {displaystyle Y} 的投影(“Y分数”); P {displaystyle P} 和 Q {displaystyle Q} 分别是 m × l {displaystyle mtimes l} 和 p × l {displaystyle ptimes l} 的正交载荷矩阵,以及矩阵 E {displaystyle E} 和 F {displaystyle F} 是错误项,假设是独立同分布的随机正态变量。对 X {displaystyle X} 和 Y {displaystyle Y} 分解来最大化 T {displaystyle T} 和 U {displaystyle U} 之间的协方差。偏最小二乘的许多变量是为了估计因子和载荷矩阵 T , U , P {displaystyle T,U,P} 和 Q {displaystyle Q} 。它们中大多数构造了 X {displaystyle X} 和 Y {displaystyle Y} 之间线性回归的估计 Y = X B ~ + B ~ 0 {displaystyle Y=X{tilde {B}}+{tilde {B}}_{0}} 。一些偏最小二乘算法只适合 Y {displaystyle Y} 是一个列向量的情况,而其它的算法则处理了 Y {displaystyle Y} 是一个矩阵的一般情况。算法也根据他们是否估计因子矩阵 T {displaystyle T} 为一个正交矩阵而不同。 最后的预测在所有不同最小二乘算法中都是一样的,但组件是不同的。PLS1是一个 Y {displaystyle Y} 是向量时广泛使用的算法。它估计 T {displaystyle T} 是一个正交矩阵。以下是伪代码(大写字母是矩阵,带上标的小写字母是向量,带下标的小写字母和单独的小写字母都是标量):这种形式的算法不需要输入 X {displaystyle X} 和 Y {displaystyle Y} 定中心,因为算法隐式处理了。这个算法的特点是收缩于 X {displaystyle X} (减去 t k t ( k ) p ( k ) T {displaystyle t_{k}t^{(k)}{p^{(k)}}^{T}} ),但向量 y {displaystyle y} 不收缩,因为没有必要(可以证明收缩 y {displaystyle y} 和不收缩的结果是一样的)。用户提供的变量 l {displaystyle l} 是回归中隐藏因子数量的限制;如果它等于矩阵 X {displaystyle X} 的秩,算法将产生 B {displaystyle B} 和 B 0 {displaystyle B_{0}} 的最小二乘回归估计。2002年,一个叫做正交投影(英语:Orthogonal Projections to Latent Structures, OPLS)的方法提出。在OPLS中,连续变量数据被分为预测的和不相关的信息。这有利于改进诊断,以及更容易解释可视化。然而,这些变化只是改善模型的可解释性,不是生产力。 L-PLS通过3个连接数据块扩展了偏最小二乘回归。 同样,OPLS-DA(英语:Discriminant Analysis, 判别分析)可能被应用在处理离散变量,如分类和生物标志物的研究。大多数统计软件包都提供偏最小二乘回归。 R中的‘pls’包提供了一系列算法。

相关

  • Pioglitazone吡格列酮(Pioglitazone)是一种专门用于治疗2型糖尿病的口服药物,属于噻唑烷二酮类(活化受体调节剂)药物的一种。
  • 派生派生变化,又译作衍生变化,(英语:Morphological derivation)在语言学中指的是借由改变原词的句法范畴(英语:Syntactic category)和/或增加实质性而非语法性的含意,从而使现有单词产生新
  • 单位换算单位换算是指通过乘以换算系数实现不同计量单位间的等量换算。单位换算过程与用户具体情况和预期目的相关。可能受法令、合同、技术规格或其它出版物技术标准的限制。工程判
  • 环糊精环糊精是由6个或更多的吡喃葡萄糖分子形成的环状低聚糖的总称,由环糊精葡萄糖基转移酶作用于淀粉所产生。
  • 心梗心肌梗死(Myocardial infarction简称MI、Acute myocardial infarction简称AMI),旧称心肌梗塞,是一种急性及严重的心脏状态。其成因是部分心肌的血液循环突然中断,心肌因无法得到
  • α-酮异己酸α-酮异己酸(英语:α-Ketoisocaproic acid,缩写α-KIC)是亮氨酸代谢的中间产物。医学导航:遗传代谢缺陷代谢、k,c/g/r/p/y/i,f/h/s/l/o/e,a/u,n,mk,cgrp/y/i,f/h/s/l/o/e,au,n,m,
  • 卡氏座标笛卡尔坐标系(英语:Cartesian coordinate system,也称直角坐标系)在数学中是一种正交坐标系,由法国数学家勒内·笛卡尔引入而有此名。二维的直角坐标系是由两条相互垂直、相交于
  • 半人马小行星半人马小行星被归类为轨道不稳定的小行星,并竞相以神话中半人马族的神祇命名。所以选择这一族的名称是因为它们的行为一半像小行星,另一半则像彗星。半人马小行星的轨道会穿越
  • 里亚尔伊朗里亚尔(波斯语:ریال;货币编号IRR;标志:﷼)是伊朗目前的流通货币。辅币单位第纳尔。1里亚尔=100第纳尔。然而在一般日常生活中,伊朗人习惯以托曼(تومان/toman)来标示价钱,1
  • 查理兹·塞隆查理兹·塞隆(英语:Charlize Theron,/ʃɑːrˈliːz ˈθɛrən/ shar-LEEZ THERR-ən; 南非语:.mw-parser-output .IPA{font-family:"Charis SIL","Doulos SIL","Linux Libert