文件名称：matlab偏最小二乘法代码-pls:PLS回归算法
文件大小：6.55MB
文件格式：ZIP
更新时间：2024-06-22 02:09:58
系统开源
matlab 偏最小二乘法代码偏最小二乘法 (PLS)、基于核的潜在结构正交投影 (K-OPLS) 和基于 NIPALS 的 OPLS 基于Yi Cao实现的PLS回归算法： 基于 的 K-OPLS 回归算法。 基于 R 包的 OPLS 实现，使用 NIPALS 分解循环。 安装 $ npm i ml-pls 用法 import PLS from 'ml-pls' ; var X = [ [ 0.1 , 0.02 ] , [ 0.25 , 1.01 ] , [ 0.95 , 0.01 ] , [ 1.01 , 0.96 ] , ] ; var Y = [ [ 1 , 0 ] , [ 1 , 0 ] , [ 1 , 0 ] , [ 0 , 1 ] , ] ; var options = { latentVectors : 10 , tolerance : 1e-4 , } ; var pls = new PLS ( options ) ; pls . train ( X , Y ) ; // assuming that you created Xtrain, Xtest, Ytrain,
【文件预览】：
pls-master
----rollup.config.js(218B)
----.github()
--------workflows()
----src()
--------OPLS.js(12KB)
--------.npmignore(21B)
--------KOPLS.js(9KB)
--------util()
--------__tests__()
--------OPLSNipals.js(2KB)
--------index.js(136B)
--------PLS.js(6KB)
----.babelrc(62B)
----.eslintrc.yml(54B)
----benchmark()
--------testKOPLS.js(1B)
--------maxSumCol.js(2KB)
--------transpose.js(975B)
----LICENSE(1KB)
----.prettierrc(112B)
----README.md(4KB)
----History.md(2KB)
----data()
--------tp.json(34KB)
--------simpleDataset.json(116B)
--------Ytrain1.json(16KB)
--------trainTestLabels.json(1KB)
--------to.json(37KB)
--------irisPC1-4.json(4KB)
--------Xtrain.json(3.04MB)
--------Ytrain.json(3KB)
--------Xtrain1.json(5.49MB)
--------Ytest1.json(5KB)
--------Xtest.json(3.05MB)
--------Ytest.json(7KB)
--------Xtest1.json(1.83MB)
----.npmrc(19B)
----docs()
--------index.html(40KB)
--------assets()
----.gitignore(591B)
----package.json(2KB)