Теория вероятностей и математическая статистика в аналитической химии - Софт

Алгоритмы множественного регрессионного анализа

admin — Tue, 08 Jan 2008 19:24:51 +0000

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)

admin — Tue, 08 Jan 2008 19:14:02 +0000

Метод частных наименьших квадратов (МЧНК, в англоязычной литературе - partial least squares, PLS) - один из наиболее распространенных методов построения многомерной градуировочной модели:

X=TP^T, C=TQ^T (1)

Метод главных компонент, PCA, алгоритм NIPALS

admin — Tue, 08 Jan 2008 19:09:51 +0000

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):