什么是PLS-DA分析法？

PLS-DA分析法指的是偏最小二乘回归分析法。

偏最小二乘回归分析法是一种统计学方法，与主成分回归有关系，但不是寻找响应变量和自变量之间最大方差的超平面，而是通过投影分别将预测变量和观测变量投影到一个新空间，来寻找一个线性回归模型。

因为数据X和Y都会投影到新空间，PLS系列的方法都被称为双线性因子模型。当Y是分类数据时称为“偏最小二乘判别分析（Partial least squares Discriminant Analysis， PLS-DA）”。

扩展资料：

偏最小二乘回归的算法：

偏最小二乘的许多变量是为了估计因子和载荷矩阵T、U、P和Q。它们中大多数构造了X和Y之间线性回归的估计Y=XB+Bo。一些偏最小二乘算法只适合Y是一个列向量的情况，而其它的算法则处理了Y是一个矩阵的一般情况。

算法也根据他们是否估计因子矩阵T为一个正交矩阵而不同。最后的预测在所有不同最小二乘算法中都是一样的，但组件是不同的。

参考资料来源：百度百科-偏最小二乘回归法

*** 作方法：成分含量作为矩阵的横排，品种做纵列，导入smica软件，设置横拍为第一变量，纵列为第二变量，下一步，选pls-da，如果做多个重复的话，将重复的分成一组，分组完成点下一步，完成后，点上面的list,就可以看二维图，或3d图了。

simca软件是研究员,产品开发员,工程师等在处理大批量数据集时使用的标准工具。

偏最小二乘法判别分析（PLS_DA）是一种用于判别分析的多变量统计分析方法，一种根据观察或测量到的若干变量值，来判断研究对象如何分类的常用统计分析方法。对不同处理样本（如观测样本、对照样本）的特性分别进行训练，产生训练集，并检验训练集的可信度。以下是PLS_DA分析绘图的一个小示例。

（本文仅作绘图示例，不涉及分析说明）

软文同步于“作图帮”公众号，感兴趣的小伙伴可以关注一下哦~

---