PLS-DA的建模思路以及RMSECV怎麼算?

PLS-DA（偏最小二乘判別分析）的核心思路是找到解釋X（預測變數）和Y（響應變數）之間最大協方差的潛在結構。它透過尋找一組潛在變數，這些變數是原始X變數的線性組合，同時最大化這些潛在變數與響應變數Y的協方差。在分類場景中，Y通常是二元或多類別的。




關於RMSECV（交叉驗證均方根誤差）的計算：




1.將資料分成K個部分（K折交叉驗證）。




2.每次留出1份作為測試集，其餘K-1份用來訓練模型。




3.對每個測試集進行預測，並計算每次預測的均方誤差（MSE）。




4.計算所有K次MSE的平均值，然後取平方根得到RMSECV。




百泰派克生物科技--生物製品表徵，多組學生物質譜檢測優質服務商




相關服務：

代謝組學生物資訊學分析

代謝組學資料質量評估

主成分分析（PCA）

PLS-DA/OPLS-DA二維圖

資料歸一化分析