Софт
Алгоритмы множественного регрессионного анализа
В этом разделе собраны программы, реализующие алгоритмы множественного регрессионного анализа в среде Matlab. В настоящий момент Вашему вниманию предлагаются два метода многомерного статистического анализа (множественной регрессии): метод главных компонент (PCA) и метод проекций на латентные структуры (PLS, старая расшифровка аббревиатуры - метод частных наименьших квадратов). Список материалов, посвященных множественной регрессии, будет пополняться - следите за обновлениями.
Метод частных наименьших квадратов (PLS)
Метод частных наименьших квадратов (МЧНК, в англоязычной литературе - partial least squares, PLS) - один из наиболее распространенных методов построения многомерной градуировочной модели:
X=TPT, C=TQT (1)
Метод главных компонент, PCA, алгоритм NIPALS
Метод главных компонент (МГК, в англоязычной литературе - principal component analysis, PCA) - один из наиболее распространенных методов факторного анализа. Суть метода состоит в декомпозиции матрицы данных X и представлении ее в виде произведения двух матриц: T (матрица счетов, scores) и P (матрица нагрузок, loadings):
