我知道在 R 中有一个用于稀疏 PLS 的库（由 Chun 和 Keles 2010 开发；DOI：10.1111/j.1467-9868.2009.00723.x），在 Python 中有一个用于 SPLS 的库，所以我可以随时使用吗？顺便说一句，SPLS 与“稀疏最小二乘回归”不同。谢谢。

我想使用偏最小二乘判别分析 (PLS-DA) 来解决要预测多个类的分类问题。我知道 PLS-DA 不限于两个类问题，我相信使用 Caret 包中的 plsda 可以处理这个问题，但是当我尝试在 mlr 包中构建 PLS-DA 模型时，我得到一个错误提示我的任务是“多类问题，但学习者 'classif.plsdaCaret' 不支持！”

是否可以使用 mlr 构建多类 PLS-DA 模型，我只是使用了错误的学习器吗？这是一个可重现的示例：

我想用 R 中的插入符号包为 PLS-DA 绘制个人图（类似于 PCA 图）并为不同的组添加颜色（见附图，这是 PCA 的一个示例，但我想要相同PLS-DA 的图形）。有人可以帮我弄这个吗？

这是一个生成与我使用的数据相似的随机数据的代码。Ycalib 包含有 2 个级别的向量变量，Xcalib 包含 539 个光谱波长（代码下方生成 10 个波长）。

这是我在插入符号中的 PLS-DA 代码：

我希望它足够清楚，因为我是 R 的初学者。

我已经用“PLS”包计算了一个 PLS 模型，我想绘制解释的 Y 方差。我尝试查看创建的变量，但找不到任何相关的内容。但是，我可以找到解释的 X 方差和总 X 方差。当我在我的模型上使用汇总函数时，我确实看到了我想要的数字，但我无法找出如何提取它们以便我可以绘制它们。

完美的场景是如果有一个包含 X 和 Y 方差的默认图，但我认为没有。

这是我正在寻找的摘要的最后一行。

为了确保良好的人口代表性，我从我的训练数据中创建了自定义验证集。但是，我不确定如何在 R 中的 PCR 中进行接口

我试图在分段参数中添加一个列表，其中每个索引类似于您在 python 预定义拆分 cv 迭代器中所做的操作，该迭代器运行但需要永远。所以我觉得我一定在某个地方犯了错误

其中 test fold 是包含属于索引的验证集的列表

例如，如果训练数据由 9 个样本组成，我想使用前三个作为儿子的第一个验证集

这运行但它非常慢，如果我执行常规“CV”，它会在几分钟内运行。到目前为止，结果看起来还不错，但是我需要进行一千多次跑步，并且需要 1 小时才能完成一次。因此，如果有人知道我如何加快速度，我将不胜感激。

在 pls 包中加载一个数据集，该数据集包括 60 个汽油样品在 401 个波长下的光谱强度，以及它们的辛烷值。在我的例子中：

我喜欢用辛烷值绘制 NIR 的 3D 表示，我的圣杯图是：

但是这个输出图是在 matlab 中创建的，而不是在 R 中创建的。原始代码是（https://it.mathworks.com/help/stats/examples/partial-least-squares-regression-and-principal-components-regression。 html ):

请问R中有任何想法或类似的功能/包吗？提前致谢！

假设我们有 10 个自变量 x1,x2,x3,...xn，它们都是具有相同级别 0,1,2 的分类（例如，0 = 无颜色，1 = 红色，2 = 绿色），你有两个相关（响应）变量（例如，y1 = 裤长，单位为 m，y2 = 腰围，单位为 m）。我们如何确定哪些自变量 (x1,x2,x3,...xn) 驱动因变量 (y1 和 y2)？

数据示例如下：

我在 python 中尝试了 PLS 回归，这是我的代码

这种方法的实际结果如下：我正在为数据集中的所有行获取一个 numpy 数组，如下所示

如何解释这个？

而且，有没有办法计算这类问题中的直接相关性和特征重要性？

我在 R 中运行了偏最小二乘法 (PLS)，我想提取变量以便我可以运行决策树或随机森林或其他类型的模型。

我试过 pls1$coefficients

我想要它创建的实际变量本身。例如，PCA 创建 PC1、PC2 等。我假设（可能不正确）PLS 也是如此。

我正在尝试重新创建以下 plsr biplot：

请加载图

plsr代码

提取真菌类群负载

提取叶特征载荷

生成两张图，一张用于真菌类群，一张用于叶性状

叠加图的功能

在单个地块上运行函数

这就是我最终得到的：

请使用 ggplot2 加载绘图

我的问题是如何让顶部 x 轴与绘图顶部匹配？目前它位于顶部并与地块相邻。我使用了之前在这里找到的代码（使用 ggplot2 绘制偏最小二乘回归 (plsr) biplot）。任何帮助都会很棒！

我正在研究一个 PLS-PM 模型，该模型基本上由 24 个李克特规模的问题 (1-5) 组成。我使用 6x4 问题（清单变量）来组成 4 个潜在结构/变量。

我需要帮助的地方是将模型转换为基本上两个步骤。所以我想要这些 24 MV -> 4 LV -> 1 LV。这意味着四个潜在构造构成了最终的潜在构造。

现在我确实有一个问题要探索这个最终的潜在变量，但我认为这不是基于数据收集过程的好衡量标准。所以我想知道是否有人在从 24 个清单变量到 4 个潜在变量的两步模型中有提示，然后将它们绑定到一个最终的潜在变量中。

我一直在使用以下数据：

然后将这些数据实现到 PLS-PM ( plspm-package) 框架中，如下所示：

我已经编写了自己的函数来评估 PLS_model 太长，无法在这里分享，但是结果是这样的：

所以令我困惑的是我如何将这些结果转换为对“ME”变量的实际估计，或者我是否可以在利用这 4 个潜在构造（PU、LE、BE 和体育）。

所以基本上我感兴趣的是关于如何使用这些数据为最终的 ME 变量创建度量的想法，并且通过 plspm 框架有一种不同的方法，它比使用差的 MV 度量更好（ '我' - 变量）。

我查看了 Gaston Sanchez 的 pls-pm 包指南，链接在第 143-148 页，讨论了两步过程，但似乎清单变量与基于潜在变量解释的最终变量相关联.