资源描述：
《经典偏最小而乘PLS_Matlab实现.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、functiony=pls(X,Y,r)%************pls()**************%说明：输入数据X,Y,X为辅助变量，Y为主导变量维数,r为成分个数,输出y是回归系数pz=[X,Y];[row,~]=size(pz);aver=mean(pz);stdcov=std(pz);%求均值和标准差rr=corrcoef(pz);%求相关系数矩阵data=zscore(pz);%数据标准化stdarr=(pz-aver(ones(row,1),:))./stdcov(ones(row,1),:);%标准化自变量n=size(X,2);m=size(
2、Y,2);%n是自变量的个数,m是因变量的个数x0=pz(:,1:n);y0=pz(:,n+1:end);%提取原始的自变量、因变量数据e0=data(:,1:n);f0=data(:,n+1:end);%提取标准化后的自变量、因变量数据num=size(e0,1);%求样本点的个数temp=eye(n);%对角阵fori=1:n%以下计算w，w*和t的得分向量，matrix=e0'*f0*f0'*e0;[vec,val]=eig(matrix);%求特征值和特征向量val=diag(val);%提出对角线元素[~,ind]=sort(val,'descend')
3、;w(:,i)=vec(:,ind(1));%提出最大特征值对应的特征向量t(:,i)=e0*w(:,i);%计算成分ti的得分alpha(:,i)=e0'*t(:,i)/(t(:,i)'*t(:,i));%计算alpha_i,其中(t(:,i)'*t(:,i))等价于norm(t(:,i))^2e=e0-t(:,i)*alpha(:,i)';%计算残差矩阵e0=e;%计算w*矩阵ifi==1w_star(:,i)=w(:,i);elseforj=1:i-1temp=temp*(eye(n)-w(:,j)*alpha(:,j)');endw_star(:,i)=t
4、emp*w(:,i);endendbeta_z=[t(:,1:r),ones(num,1)]f0;%求标准化Y关于t的回归系数beta_z(end,:)=[];%删除常数项xishu=w_star(:,1:r)*beta_z;%求标准化Y关于X的回归系数，且是针对标准数据的回归系数，每一列是一个回归方程mu_x=aver(1:n);mu_y=aver(n+1:end);sig_x=stdcov(1:n);sig_y=stdcov(n+1:end);fori=1:mch0(i)=mu_y(i)-mu_x./sig_x*sig_y(i)*xishu(:,i);%计算
5、原始数据的回归方程的常数项endfori=1:mxish(:,i)=xishu(:,i)./sig_x'*sig_y(i);%计算原始数据的回归方程的系数，每一列是一个回归方程endsol=[ch0;xish];%显示回归方程的系数，每一列是一个方程，每一列的第一个数是常数项y=sol;
