我有一个用 R 制作的带有plsr()功能的 PLS 模型（来自 package pls）；我选择了正确数量的交叉验证组件，它运行良好，具有高水平R^2_predicted（> 0,85，这对我的应用程序来说相当不错）。PLS我试图检查在 R 下构建的模型是否与使用回归工具分析相同数据集时使用 Minitab 获得的模型相同
（菜单统计 -> 回归 -> PLS）。
我在 R 和 Minitab 中使用完全相同的数据集，但无法获得相同的模型：当我比较 R 模型中的系数时，使用
coef(PLS_model, ncomp = N_selected, intercept = TRUE)
使用 Minitab（Coefficents表）的输出，我得到不同的结果。
我尝试了几种算法（kernelpls, simpls，oscorespls它们都可以在 function 中使用plsr()）以及不同的函数（例如pls1_nipals()from package chemometrics），但它们都给出了非常相似的答案，并且没有一个接近 Minitab 输出。根据手册，Minitab 应该使用 NIPALS 算法，oscorespls同样如此。
这些模型是使用以下语法构建的 package pls：
PLS_model_a = plsr(Y~., data=train_data, n_comp_max=20, validation="LOO", method="kernelpls")
而这个包“化学计量学”：
PLS_model_b = pls1_nipals(X, Y, 20,)
以这两种方式生成的模型是相同的，但它们的系数与 Minitab 输出有很大不同。请注意，Minitab 模型也是一个很好的模型R^2_pred。
有人尝试过同样的比较吗？有什么建议吗？谢谢你的帮助！