矩阵理论视角下的偏最小二乘回归及其在脑科学研究中的应用
超级会员免费看
本文从矩阵理论的角度深入解析偏最小二乘回归（PLS），阐述其在脑影像与行为、基因表达关系研究中的具体应用。通过计算协方差矩阵、奇异值分解等步骤，提取最大相关性的潜在变量，用于分析大脑行为关联。同时，文章提供PLS的代码实现链接。
偏最小二乘法 (PLS) 是一种多元数据驱动的统计技术，旨在提取表示最大大脑行为关联的潜在变量（或潜在成分 latent components [LC]）。
从矩阵理论角度理解偏最小二乘回归，以及在脑科学中（脑影像与行为、基因表达的关系）的应用举例
矩阵理论角度理解偏最小二乘回归
PLS 分析计算如下。 RSFC 和行为数据存储在矩阵𝑋（participants * FC value）和𝑌（participants * behavioral measures）中。 在对 𝑋 和 𝑌（所有参与者）进行 z 评分后，我们计算了协方差矩阵 𝑅：
R = Y T × X R=Y^T \times X R
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
