偏最小二乘回歸MATLAB程序代碼

1、偏最小二乘回歸matlab程序代碼偏最小二乘回歸matlab程序代碼單因變量function y=pls(pz)row,col=size(pz);aver=mean(pz);stdcov=std(pz); %求均值和標準差rr=corrcoef(pz);   %求相關系數(shù)矩陣%data=zscore(pz); %數(shù)據(jù)標準化stdarr = ( pz - aver(ones(row,1),:) )./ stdcov( ones(row,1),:);  % 標準化數(shù)據(jù)結(jié)果與zscore()一致x0=pz(:,1:col-1);y0=pz(:,end); %提取原始的自

2、變量、因變量數(shù)據(jù)e0=stdarr(:,1:col-1);f0=stdarr(:,end);  %提取標準化后的自變量、因變量數(shù)據(jù)num=size(e0,1);%求樣本點的個數(shù)temp=eye(col-1);%對角陣for i=1:col-1%以下計算 w，w*和 t 的得分向量，    w(:,i)= ( e0'* f0 )/ norm( e0'*f0 );    t(:,i)=e0*w(:,i)      %計算成分 ti 的得分  &

3、#160; alpha(:,i)=e0'*t(:,i)/(t(:,i)'*t(:,i)  %計算 alpha_i ,其中(t(:,i)'*t(:,i)等價于norm(t(:,i)2    e=e0-t(:,i)*alpha(:,i)'    %計算殘差矩陣    e0=e;     %計算w*矩陣       if i=1   

4、0;       w_star(:,i)=w(:,i);       else          for j=1:i-1              temp=temp*(eye(col-1)-w(:,j)*alpha(:,j)'); 

5、0;        end          w_star(:,i)=temp*w(:,i);      end     %以下計算 ss(i)的值    beta=t(:,1:i),ones(num,1)f0  %求回歸方程的系數(shù)    beta(end,:)=;&#

6、160;  %刪除回歸分析的常數(shù)項    cancha=f0-t(:,1:i)*beta;    %求殘差矩陣    ss(i)=sum(sum(cancha.2);  %求誤差平方和%以下計算 press(i)    for j=1:num        t1=t(:,1:i);f1=f0;        she_t

7、=t1(j,:);she_f=f1(j,:);  %把舍去的第 j個樣本點保存起來        t1(j,:)=;f1(j,:)=;        %刪除第j個觀測值        beta1=t1,ones(num-1,1)f1;  %求回歸分析的系數(shù)        beta1(end,:)=;

8、           %刪除回歸分析的常數(shù)項        cancha=she_f-she_t*beta1;  %求殘差向量        press_i(j)=sum(cancha.2);     end    press(i)=sum(press_i)  

9、;  if i>1        q_h2(i)=1-press(i)/ss(i-1)    else        q_h2(1)=1    end    if q_h2(i)<        fprintf('提出的成分個數(shù) r=%d',i); &

10、#160;      r=i;        break     endendbeta_z=t,ones(num,1)f0;   %求標準化y關于主成分得分向量t的回歸系數(shù)beta_z(end,:)=;      %刪除常數(shù)項xishu=w_star*beta_z;   %求標準化y關于x的回歸系數(shù)， 且是針對標準數(shù)據(jù)的回歸系數(shù)，每一列是一個回歸方

11、程mu_x=aver(1:col-1);mu_y=aver(end);sig_x=stdcov(1:col-1);sig_y=stdcov(end);ch0=mu_y-mu_x./sig_x*sig_y*xishu;  %計算原始數(shù)據(jù)的回歸方程的常數(shù)項xish=xishu'./sig_x*sig_y;  %計算原始數(shù)據(jù)的回歸方程的系數(shù)，每一列是一個回歸方程rc=corrcoef(x0*xish'+ch0,y0)sol=ch0;xish'      %顯示回歸方程的系數(shù)，每一列是一個方程，每一列的第一個

12、數(shù)是常數(shù)項多因變量function y=pls(pz,xnum,ynum)row,col=size(pz);aver=mean(pz);stdcov=std(pz); %求均值和標準差rr=corrcoef(pz);   %求相關系數(shù)矩陣data=zscore(pz); %數(shù)據(jù)標準化stdarr = ( pz - aver(ones(row,1),:) )./ stdcov( ones(row,1),:);  % 標準化自變量n=xnum;m=ynum;   %n 是自變量的個數(shù),m是因變量的個數(shù)x0=pz(:,1:n);y0=pz(:,n+1

13、:end); %提取原始的自變量、因變量數(shù)據(jù)e0=data(:,1:n);f0=data(:,n+1:end);  %提取標準化后的自變量、因變量數(shù)據(jù)num=size(e0,1);%求樣本點的個數(shù)temp=eye(n);%對角陣for i=1:n%以下計算 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);   %提出對角線元素&

14、#160;   val,ind=sort(val,'descend');    w(:,i)=vec(:,ind(1)  %提出最大特征值對應的特征向量    t(:,i)=e0*w(:,i)      %計算成分 ti 的得分    alpha(:,i)=e0'*t(:,i)/(t(:,i)'*t(:,i)  %計算 alpha_i ,其中(t(:,i)'*t(:,i)等價于

15、norm(t(:,i)2    e=e0-t(:,i)*alpha(:,i)'    %計算殘差矩陣    e0=e;     %計算w*矩陣       if i=1           w_star(:,i)=w(:,i);      

16、else          for j=1:i-1              temp=temp*(eye(n)-w(:,j)*alpha(:,j)');          end        

17、60; w_star(:,i)=temp*w(:,i);      end     %以下計算 ss(i)的值    beta=t(:,1:i),ones(num,1)f0  %求回歸方程的系數(shù)    beta(end,:)=;   %刪除回歸分析的常數(shù)項    cancha=f0-t(:,1:i)*beta;    %求殘差矩陣 

18、60;  ss(i)=sum(sum(cancha.2);  %求誤差平方和%以下計算 press(i)    for j=1:num        t1=t(:,1:i);f1=f0;        she_t=t1(j,:);she_f=f1(j,:);  %把舍去的第 j個樣本點保存起來        t1(j,:)=;f

19、1(j,:)=;        %刪除第j個觀測值        beta1=t1,ones(num-1,1)f1;  %求回歸分析的系數(shù)        beta1(end,:)=;           %刪除回歸分析的常數(shù)項    

20、60;   cancha=she_f-she_t*beta1;  %求殘差向量        press_i(j)=sum(cancha.2);     end    press(i)=sum(press_i)    if i>1        q_h2(i)=1-press(i)/ss(i-1)    else        q_h2(1)=1    end    if q_h2(i)<        fprintf('提出的成