Matlab中的偏最小二乘法（PLS）回归模型，离群点检测和变量选择

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

A=6;                    % 潜在变量（LV）的数量。
method='center';        % 用于建立PLS模型的X的内部预处理方法
PLS(X,y,A,method);  % 建立模型的命令

clear;
A=6;                          % LV的数量
K=5;                          % 交叉验证的次数

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')          % 添加x标签
ylabel('RMSECV')              % 添加y标签

% 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

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

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

plot(F) % 诊断图

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

plotcars(CARS); % 诊断图

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

N=500;
method='center';
UVE

plot(abs(UVE.RI))

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('选择概率');