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:
提交需求
How to order?