PLSR.zip_2组PLSR_PLSR matlab_matlab plsr模型_最小二乘 拟合_波长拟合

clc,clear ef0=load('luttuce.txt'); ab0=ef0(1:60,:);%原始数据存放在纯文本文件data112.txt中 mu=mean(ab0);sig=std(ab0);%求均值和标准差 ab=zscore(ab0);%数据标准化 a=ab(:,1:19);b=ab(:,20:20);%提出标准化后的自变量和因变量数据 [XL,YL,XS,YS,BETA,PCTVRA,MSE,stats]=plsregress(a,b); %XL的每一行是标准化变量对相应主成分的回归系数 %BETA各列是标准化因变量对标准化自变量的的回归系数 %PCTVAR的第一行的自变量组主成分的贡献率 xw=a\XS;%求自变量的主成分系数，每列对应一个成分，这里xw等于stats.W yw=b\YS;%求因变量主成分系数 ncomp=input('请根据PCTVAR的值确定提出成分对的个数ncomp='); [XL2,YL2,XS2,YS2,BETA2,PCTVAR2,MSE2,stats2]=plsregress(a,b,ncomp); n=size(a,2);m=size(b,2);%n是自变量个数，m是因变量个数 beta3(1,:)=mu(n+1:end)-mu(1:n)./sig(1:n)*BETA2(2:end,:).*sig(n+1:end); %原始数据回归方程常数项 beta3(2:n+1,:)=(1./sig(1:n))'*sig(n+1:end).*BETA2(2:end,:); %计算原始变量x1…xn的系数，每一列是一个回归方程 bar(BETA2','b')%画直方图 yhat_cal=repmat(beta3(1,:),[size(a,1),1])+ab0(1:60,1:n)*beta3(2:end,:); %求预测集的预测值 %z=load('1-yv.txt');%载入实际因变量的值 z=ab0(:,20:20);%直接调用建模集的最后一列 my=mean(z);%求因变量的平均值 N=length(z);%求因变量长度 RMSEcv=sqrt(sum((yhat_cal-z).^2)/N); y1=z; my1=mean(z);%求因变量的平均值 L1=length(z);%求因变量长度 Rc1=corrcoef(yhat_cal,y1); %cd0=load('ta.txt');%原始数据存放在纯文本文件data112.txt中 %cd=zscore(cd0);%数据标准化 %c=cd(:,1:19);d=cd(:,20:20);%提出标准化后的自变量和因变量数据 %yhat=repmat(beta3(1,:),[size(c,1),1])+cd0(1:30,1:n)*beta3(2:end,:); %求y1^y5的预测值 %ymax=max([yhat;cd0(:,end)]);%求预测值和观测值的最大值 %figure ef=zscore(ef0);%数据标准化 c=ef(:,1:19);d=ef(:,20:20);%提出标准化后的自变量和因变量数据 yhat=repmat(beta3(1,:),[size(c,1),1])+ef0(1:100,1:n)*beta3(2:end,:); %求y1^y5的预测值 ymax=max([yhat;ef0(:,end)]);%求预测值和观测值的最大值 figure plot(ef0(1:60,n+1),yhat(1:60,1),'*',0:2,0:2,'Color','y'); %第一组数据输出(1到50行) hold on plot(ef0(61:100,n+1),yhat(61:100,1),'*',0:2,0:2,'Color','K'); %第二组数据输出（51到100行） %hold on %plot(ab0(31:45,n+1),yhat(31:45,1),'*',9:15,9:15,'Color','g'); %第三组数据输出（101到165行） %hold on %plot(ab0(46:60,n+1),yhat(46:60,1),'*',9:15,9:15,'Color','y'); %第四组数据输出（101到165行） %hold on %plot(ab0(61:75,n+1),yhat(61:75,1),'*',9:15,9:15,'Color','K') %plot(cd0(:,n+1),yhat(:,1),'*',0:2,0:2,'Color','k'); %legend('原叶绿素含量',2) %y=load('ya.txt');%载入实际因变量的值 yhat_p=yhat(61:100,:); y2=ef0(61:100,20:20); my2=mean(y2);%求因变量的平均值 L2=length(y2);%求因变量长度 Rp1=corrcoef(yhat_p,y2); RMSep=sqrt(sum((yhat_p-y2).^2)/L2);