偏最小二乘 PLS erro 误差部分 < 三>

最新推荐文章于 2024-09-08 22:53:53 发布

MachineLearningAI

最新推荐文章于 2024-09-08 22:53:53 发布

阅读量1.3k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：总结 PLS 基本方法文章标签：预测 PLS 偏最小二乘误差计算

本文链接：https://blog.youkuaiyun.com/blog_empire/article/details/41410057

基本方法同时被 3 个专栏收录

16 篇文章

订阅专栏

总结

7 篇文章

订阅专栏

PLS

5 篇文章

订阅专栏

本文探讨了在预测模型中如何使用主成分分析来减少维度并降低误差，通过实例展示了计算均方根误差的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这部分是误差预测的部分

#encoding:utf-8

import numpy as np

    
def Erro(pc, X, Y, B,Y_mean):# 将前面的得到的参数传进来
    
    erro=np.zeros((1,pc)) # 定义两个矩阵
    turn_y = np.zeros(( Y.shape[0], pc))
    
    for i in range(pc):
        
        y_pre=np.dot(X,B[:, [i]])
        Y_pre=np.add(y_pre, Y_mean)# 得到预测的值
        
        # 算每个主成分的均方跟误差
        mse = np.sqrt(np.true_divide(np.dot((Y - Y_pre).T,(Y - Y_pre)), X.shape[0]))
        
        turn_y[:, i] = Y_pre.ravel()# 将数据存储到矩阵中
         
        erro[:, i] = mse.ravel()
    return erro, turn_y

有不懂的可以给我发私信