matlab

by lqx

预测模型的原理和方法

偏最小二乘回归模型

plsregress 函数

% 示例数据
X = [4.0 2.0 0.6;
     4.2 2.1 0.59;
     3.9 2.0 0.58;
     4.3 2.1 0.62];
Y = [1.0 0.8;
     0.9 0.7;
     1.2 0.95;
     1.1 0.78];

% 设置主成分数目
ncomp = 2;

% 构建 PLSR 模型并进行预测
[XL, YL, XS, YS, BETA, PCTVAR, MSE, stats] = plsregress(X, Y, ncomp);

% 进行预测
Xnew = [4.1 2.05 0.6];
Ypred = [1, Xnew] * BETA;

disp('预测结果：');
disp(Ypred);

% 示例数据集
X = [1500, 3, 1;   % 特征矩阵 X
     2000, 4, 2;
     1200, 2, 1;
     1800, 3, 1;
     2500, 4, 2];
Y = [200000; 250000; 180000; 220000; 280000];  % 因变量 Y

% 拟合偏最小二乘回归模型
num_components = 2;  % 提取的偏最小二乘回归系数的数量
[XL, YL, XS, YS, BETA, PCTVAR, MSE, stats] = plsregress(X, Y, num_components);

% 输出结果
disp('解释的方差量：');
disp(PCTVAR);

disp('均方误差：');
disp(MSE);

disp('系数矩阵：');
disp(BETA);

disp('回归性能统计：');
disp(stats);

% 使用模型进行预测
newX = [1900, 3, 1];  % 新样本特征
pred = [1, newX] * BETA;  % 预测因变量值

disp('预测结果：');
disp(pred);