在偏最小二乘判别分析(PLS-DA)中,R2表示模型对数据的拟合程度,而Q2表示模型的预测能力。理想情况下,R2应该接近1,而Q2也应该是正值,越接近1越好。 在进行交叉验证时,R2和Q2的截距值可以帮助判断模型是否有过拟合的倾向。 R2截距(R2Y和R2X的截距)接近0更好,说明模型没有捕捉到随机噪声,而是真实反映了数据间的...
PLS-DA建模:通过绘制两组数据建模,输出一系列关键参数结果。模型基本信息存储在“plsda_result.txt”中。 评价(O)PLS-DA模型拟合效果使用R2X、R2Y和Q2Y这三个指标,这些指标越接近1,表示PLS-DA模型拟合数据效果越好。 R2X和R2Y分别表示PLSDA分类模型所能够解释X和Y矩阵信息的百分比,Q2Y则为通过交叉验证计算得出...
结果中,R2X和R2Y分别表示所建模型对X和Y矩阵的解释率,Q2标示模型的预测能力,它们的值越接近于1表明模型的拟合度越好,训练集的样本越能够被准确划分到其原始归属中。 性别监督的PLS-DA模型。 左上图,展示了3个正交轴的R2Y和Q2Y。 由上图,PLS-DA模型的R2Y和Q2Y与随机置换数据后获得的相应值进行比较。 左...
模型质量评估标准包括R2X、R2Y和Q2这三个指标,这些指标越接近1表示模型拟合数据效果越好。其中,R2X和R2Y:分别表示模型对自变量X和因变量Y的解释率;Q2是通过对模型进行交叉验证计算得出的,用以评价模型的预测能力,通常Q2> 0.5被认为是有效模型,Q2> 0.9则表示模型非常优秀。 表1 PLS-DA模型的评价参数 注:表中A...
接着，进行PLS-DA建模。模型将输出关键参数结果，并记录在“plsda_result.txt”文件中。评价模型效果时，关注R2X、R2Y和Q2Y指标，接近1的数值表示模型拟合数据效果良好。R2X和R2Y分别衡量了模型解释X和Y矩阵信息的能力，而Q2Y用于评估预测能力。提取关键数值参数，生成得分矩阵和载荷矩阵，并进行VIP分析...
模型验证图 permutation test 的横坐标表示模型的准确率,纵坐标表示100次 permutation test 中100个模型的准确率的频数,箭头表示本OPLS-DA模型准确率所在的位置。其中R2X和R2Y分别表示所建模型对X和Y矩阵的解释率, Q2表示模型的预测能力,理论上R2、Q2数值越接近1说明模型越好,越低说明模型的拟合准确性越差。通常情...
偏最小二乘法判别分析,即我常说的PLS-DA(Partial Least Squares Discriminant Analysis),经常被用来处理分类和判别问题。这种方法和PCA分析方法是比较类似的,区别在于二者是否有监督,一般PCA是无监督的,而PLS-DA是有监督的。 当碰到样本组间差异大而组内差异小的情况,常见的PCA分析方...
对于PLS-DA和OPLS-DA分析,结果中的R2X和R2Y分别表示所建模型对X和Y矩阵的解释率,Q2标示模型的预测能力,它们的值越接近于1表明模型的拟合度越好,训练集的样本越能够被准确划分到其原始归属中。 参考文献 【1】Chen Q, Liang X, Wu T, Jiang J, Jiang Y, Zhang S, Ruan Y, Zhang H, Zhang C, Chen...
ylabel('RMSECV') % 添加y标签 返回的值CV是带有成分列表的结构数据。结果解释。 RMSECV:交叉验证的均方根误差。越小越好 Q2:与R2含义相同,但由交叉验证计算得出。 optLV:达到最小RMSECV(最高Q2)的LV数量。 点击标题查阅相关内容 R语言中的偏最小二乘回归PLS-DA ...
Q2:与R2含义相同,但由交叉验证计算得出。 optLV:达到最小RMSECV(最高Q2)的LV数量。 点击标题查阅相关内容 R语言中的偏最小二乘回归PLS-DA 左右滑动查看更多 01 02 03 04 蒙特卡洛交叉验证(MCCV)的PLS 说明如何对PLS建模进行MCCV。与K-fold CV一样,MCCV是另一种交叉验证的方法。