2016-08-30 3 views
-1

Я использую пакет plsr в R, с помощью метода SIMPLS, но это не дало мне весовую матрицу W, кто-то может мне помочь, и расскажите, как создать или получить эту матрицу W? Это часть моего кода:Как получить весовую матрицу с R с PLS?

plsr(Y ~ X, ncomp, validation = "CV", dframe = T, method = "SIMPLS") 

Мне нужна матрица W для реализации VIP-метода.

+0

пожалуйста, предоставьте нам данные (то есть то, что '' T''?) Также объясните проблема более тщательно. «но это не дало мне весовую матрицу W» - это команда '' plsr'', чтобы вернуть матрицу W? Если это так и не возвращается, вы получаете предупреждение или сообщение об ошибке? –

+0

Кроме того, просто мимолетный ''dframe' выглядит странным для меня, как и заглавные буквы для' 'method = SIMPLS'', вместо этого попробуйте' 'plsr (Y ~ X, ncomp, validation =" CV ", data = T, method = "simpls") '' –

+0

'T = TRUE'. На самом деле код работает хорошо, в Matlab 'plsregress' (package) возвращает матрицу W (весовую матрицу), но в R,' plsr' не имеет этой опции, мне нужна альтернатива для получения матрицы W. Это реализация matlab [link] (http://www.mathworks.com/help/stats/plsregress.html?requestedDomain=www.mathworks.com) –

ответ

0
library(pls) #only for preloaded data 
library(plsdepot) 
plsreg1(yarn$NIR, yarn$density) #using preloaded yarn dataset from pls library 

PLS Regression 1 
-------------------------------------------- 
$x.scores  X-scores (T-components) 
$x.loads  X-loadings 
$y.scores  Y-scores (U-components) 
$y.loads  Y-loadings 
$cor.xyt  score correlations 
$raw.wgs  raw weights 
$mod.wgs  modified weights 
$std.coefs standard coefficients 
$reg.coefs regular coefficients 
$R2   R-squared 
$R2Xy   explained variance of X-y by T 
$y.pred  y-predicted 
$resid  residuals 
$T2   T2 hotelling 
$Q2   Q2 cross validation 
-------------------------------------------- 

Мы можем доступ к необработанным веса с помощью:

#Example of first 5 rows of weights matrix. 
head(plsreg1(yarn$NIR, yarn$density)$raw.wgs #or plsreg1(yarn$NIR, yarn$density)[6] 

    w1   w2 
X1 0.01716477 -0.04809644 
X2 0.03875600 -0.06025352 
X3 0.04857839 -0.06807797 
X4 0.05023674 -0.07540982 
X5 0.04571729 -0.08515648 
X6 0.03690089 -0.09647263 

То же самое относится и к $mod.wgs modified weights

Смежные вопросы