偏最小二乘
模型选择和验证表 - R 平方（预测的）
|
|
偏最小二乘模型选择和验证表 - R 平方（预测的） |
|
预测的 R 平方值说明每个计算的模型预测响应的优良程度，并且仅在使用交叉验证时进行计算。Minitab 选择预测 R
最高的 PLS 模型。
检查 R 和预测的 R 值来确定由交叉验证选择的模型是否最合适。在某些情况下，可以会决定使用由交叉验证所选择的模型之外的其他模型。请考虑这样的示例：向 Minitab 所选择的模型添加两个分量会显著提高 R，而只轻微降低预测的 R。由于预测的 R 只是轻微降低，因此该模型不会过度拟合，且可以确定它比较适合您的数据。
输出示例 |
|
湿度 的模型选择和验证 分量 X 方差 误差 R-Sq PRESS R-Sq（预测） 1 0.984976 96.9288 0.806643 103.549 0.793436 2 0.996400 88.9900 0.822479 105.650 0.789245 3 0.997757 71.9304 0.856510 91.172 0.818127 4 0.999427 58.3174 0.883666 75.778 0.848836 5 0.999722 58.1261 0.884048 78.385 0.843634 6 0.999853 48.5236 0.903203 69.024 0.862308 7 0.999963 45.9824 0.908272 71.146 0.858076 8 0.999976 33.1545 0.933862 51.386 0.897493 9 0.999982 32.8074 0.934554 51.055 0.898154 10 0.999986 32.7773 0.934615 53.299 0.893677 脂肪 的模型选择和验证 分量 X 方差 误差 R-Sq PRESS R-Sq（预测） 1 0.984976 282.519 0.050127 308.628 0.000000 2 0.996400 229.964 0.226824 267.199 0.101637 3 0.997757 115.951 0.610155 143.986 0.515895 4 0.999427 98.285 0.669550 127.389 0.571698 5 0.999722 57.994 0.805015 76.435 0.743012 6 0.999853 53.097 0.821480 72.109 0.757560 7 0.999963 52.010 0.825133 72.412 0.756540 8 0.999976 48.842 0.835784 76.432 0.743024 9 0.999982 34.344 0.884529 67.884 0.771764 10 0.999986 31.050 0.895604 65.116 0.781068 |
解释 |
|
在此示例中，交叉验证为 PLS 模型选择了 10 个分量，因为它产生的平均值预测 R 最高。湿度和脂肪含量的预测 R 分别为 89.4% 和 78.1%。科学家们确定 10 分量模型最适合他们的数据。
常用统计图形在线生成工具：
实用工具：
