做平面设计的网站有哪些百度如何推广广告

回归预测 | Matlab实现PCA-PLS主成分降维结合偏最小二乘回归预测

效果一览

基本介绍

Matlab实现PCA-PLS主成分降维结合偏小二乘回归预测（完整源码和数据)
1.输入多个特征，主成分降维后输入偏小二乘进行回归；
2.算法新颖，包含评价指标MAE、R2等，出图多（误差图、帕累托图）～
4.运行环境Matlab2018b及以上。

程序设计

• 完整程序和数据获取方式（资源出下载）：Matlab实现PCA-PLS主成分降维结合偏最小二乘回归预测；

 1. 创建模型
k = 4;
betaPCR = regress(T_train-mean(T_train),PCAScores(:,1:k));
betaPCR = PCALoadings(:,1:k) * betaPCR;
betaPCR = [mean(T_train)-mean(P_train) * betaPCR;betaPCR];
%%
% 2. 预测拟合
N = size(P_test,1);
T_sim = [ones(N,1) P_test] * betaPCR;
————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/127980325

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229