乐趣区

关于数据挖掘:Matlab中的偏最小二乘法PLS回归模型离群点检测和变量选择附代码数据

jiezi

全文下载：http://tecdat.cn/?p=22319

本文建设偏最小二乘法（PLS）回归（PLSR）模型，以及预测性能评估。为了建设一个牢靠的模型，咱们还实现了一些罕用的离群点检测和变量抉择办法，能够去除潜在的离群点和只应用所选变量的子集来 “ 荡涤 “ 你的数据。

步骤

  • 建设 PLS 回归模型
  • PLS 的 K - 折穿插验证
  • PLS 的蒙特卡洛穿插验证（MCCV）。
  • PLS 的双重穿插验证(DCV)
  • 应用蒙特卡洛抽样办法进行离群点检测
  • 应用 CARS 办法进行变量抉择。
  • 应用挪动窗口 PLS（MWPLS）进行变量抉择。
  • 应用蒙特卡洛无信息变量打消法（MCUVE）进行变量抉择
  • 进行变量抉择

建设 PLS 回归模型

这个例子阐明了如何应用基准近红外数据建设 PLS 模型。

plot(X');               % 显示光谱数据。xlabel('波长指数');
ylabel('强度');

参数设定

A=6;                    % 潜在变量（LV）的数量。method='center';        % 用于建设 PLS 模型的 X 的外部预处理办法
PLS(X,y,A,method);  % 建设模型的命令

pls.m 函数返回一个蕴含成分列表的对象 PLS。后果解释。

regcoef_original：连贯 X 和 y 的回归系数。
X_scores：X 的得分。
VIP：预测中的变量重要性，评估变量重要性的一个规范。
变量的重要性。
RMSEF：拟合的均方根误差。
y_fit：y 的拟合值。
R2：Y 的解释变异的百分比。

PLS 的 K 折穿插验证

阐明如何对 PLS 模型进行 K 折穿插验证

clear;
A=6;                          % LV 的数量
K=5;                          % 穿插验证的次数
plot(CV.RMSECV)               % 绘制每个潜在变量 (LVs) 数量下的 RMSECV 值
xlabel('潜在变量 (LVs) 数量')          % 增加 x 标签
ylabel('RMSECV')              % 增加 y 标签

返回的值 CV 是带有成分列表的构造数据。后果解释。

RMSECV：穿插验证的均方根误差。越小越好
Q2：与 R2 含意雷同，但由穿插验证计算得出。
optLV：达到最小 RMSECV（最高 Q2）的 LV 数量。

蒙特卡洛穿插验证（MCCV）的 PLS

阐明如何对 PLS 建模进行 MCCV。与 K -fold CV 一样，MCCV 是另一种穿插验证的办法。

相干视频

**

拓端

，赞 26

% 参数设置
A=6;
method='center';
N=500;                          % Monte Carlo 抽样的数量
% 运行 mccv.
plot(MCCV.RMSECV);              % 绘制每个潜在变量 (LVs) 数量下的 RMSECV 值
xlabel('潜在变量 (LVs) 数量');
MCCV

MCCV 是一个结构性数据。后果解释。

Ypred: 预测值
Ytrue：实在值
RMSECV：穿插验证的均方根误差，越小越好。
Q2：与 R2 含意雷同，但由穿插验证计算得出。

PLS 的双重穿插验证（DCV）

阐明如何对 PLS 建模进行 DCV。与 K -fold CV 一样，DCV 是穿插验证的一种形式。

% 参数设置

N=50;                                 % Monte Carlo 抽样的数量
dcv(X,y,A,k,method,N);
DCV

应用蒙特卡洛抽样办法的离群点检测

阐明离群点检测办法的应用状况

A=6;
method='center';
F=mc(X,y,A,method,N,ratio);

后果解释。

predError：每个抽样中的样本预测误差
MEAN：每个样本的均匀预测误差
STD: 每个样本的预测误差的标准偏差

plot(F) % 诊断图

注：MEAN 值高或 SD 值高的样本更可能是离群值，应思考在建模前将其剔除。

应用 CARS 办法进行变量抉择。

A=6;
fold=5;
car(X,y,A,fold);

后果解释。

optLV: 最佳模型的 LV 数量
vsel: 选定的变量（X 中的列）。

plotcars(CARS); % 诊断图

注：在这幅图中，顶部和两头的面板显示了抉择变量的数量和 RMSECV 如何随着迭代而变动。底部面板形容了每个变量的回归系数（每条线对应一个变量）如何随着迭代而变动。星形垂直线示意具备最低 RMSECV 的最佳模型。

应用挪动窗口 PLS（MWPLS）进行变量抉择

load corn_m51;                      % 示例数据
width=15;                           % 窗口大小
mw(X,y,width);
plot(WP,RMSEF);
xlabel('窗口地位');

注：从该图中倡议将 RMSEF 值较低的区域纳入 PLS 模型中。

应用蒙特卡洛无信息变量打消法（MCUVE）进行变量抉择

N=500;
method='center';

UVE
plot(abs(UVE.RI))

后果解释。RI：UVE 的可靠性指数，是对变量重要性的测量，越高越好。

进行变量抉择

A=6;
N=10000;
method='center';
FROG=rd_pls(X,y,A,method,N);


              N: 10000
              Q: 2
          model: [10000x700 double]
        minutes: 0.6683
         method: 'center'
          Vrank: [1x700 double]
         Vtop10: [505 405 506 400 408 233 235 249 248 515]
    probability: [1x700 double]
           nVar: [1x10000 double]
          RMSEP: [1x10000 double]
xlabel('变量序号');
ylabel('抉择概率');

后果解释：

模型后果是一个矩阵，贮存了每一个互相关系中的抉择变量。
概率：每个变量被蕴含在最终模型中的概率。越大越好。这是一个掂量变量重要性的有用指标。

本文摘选 《 Matlab 中的偏最小二乘法（PLS）回归模型，离群点检测和变量抉择 》，点击“ 浏览原文”获取全文残缺材料。

点击题目查阅往期内容

R 语言实现偏最小二乘回归法 partial least squares (PLS)回归
 R 语言中的 block Gibbs 吉布斯采样贝叶斯多元线性回归 R 语言 Lasso 回归模型变量抉择和糖尿病倒退预测模型
R 语言实现贝叶斯分位数回归、lasso 和自适应 lasso 贝叶斯分位数回归剖析
Python 贝叶斯回归剖析住房累赘能力数据集
Python 用 PyMC3 实现贝叶斯线性回归模型
R 语言区间数据回归剖析
R 语言用 LOESS(部分加权回归)节令趋势合成（STL）进行工夫序列异样检测
PYTHON 用时变马尔可夫区制转换（MRS）自回归模型剖析经济工夫序列
R 语言随机森林 RandomForest、逻辑回归 Logisitc 预测心脏病数据和可视化剖析
基于 R 语言实现 LASSO 回归剖析
Python 用 PyMC3 实现贝叶斯线性回归模型
应用 R 语言进行多项式回归、非线性回归模型曲线拟合
R 语言中的偏最小二乘回归 PLS-DAR 语言生态学建模：加强回归树（BRT）预测短鳍鳗生存散布和影响因素
R 语言实现偏最小二乘回归法 partial least squares (PLS)回归
Matlab 中的偏最小二乘法（PLS）回归模型，离群点检测和变量抉择
偏最小二乘回归（PLSR）和主成分回归（PCR）
R 语言如何找到患者数据中具备差别的指标？（PLS—DA 剖析）

退出移动版