PLS-DA是有监督的判别分析法,Gottfries等首先报道了PLS-DA使用,而后Barker与Rayens明确了其用于判别分析的理论基础,并且对于其应用的优缺点由Brereton与Lloyd进一步阐释(Gottfries et al 1995, Barker and Rayens 2003, Brereton and Lloyd 2014 )。其与PLSR区别是因变量是类别,而不是连续的变量,一般是在PLSR分析后...
PLS能够同时考虑多个因变量和自变量之间的关系,从而提供更全面的信息。 缺点: PLS估计不再是因变量的线性函数,其优良特性与非线性估计的特性仍在研究中,这可能使得PLS在某些复杂模型中的解释性受到限制。 PLS的结果可能受到初始变量选择的影响,不同的变量组合可能导致不同的结果。 PLS在处理高维数据时可能会遇到计算复...
当存在大量预测变量时,PLSR和PCR都是对因变量建模的方法,并且这些预测变量高度相关或甚至共线性。两种方法都将新的预测变量(称为成分)构建为原始预测变量的线性组合,但它们以不同的方式构造这些成分。PCR创建成分来解释预测变量中观察到的变异性,而根本不考虑因变量。另一方面,PLSR确实将因...
因此不再区别因变量和自变量, 但是区别外生和内生隐变量变量(the exogenous and 3、 endogenous latent variables), 前者不被设定的模型所解释 (总是因变量), 后者为被解释变量. SEM 能够构造由指标变量(indicators, items, manifest variables, or observed measures)以及可观测变量的度量误差来度量的不可观测变量...