Partielle verallgemeinerte lineare Regression der kleinsten QuadrateGibt es Pläne, das PLS-Modell auf das zu erweitern, was ich PLS-GLM nenne?In diesem Modell kann die Antwort kategorisch sein.Das Modell ist eine Mischung aus PLS und einer Regularisierungsmethode, die es ermöglicht, dass die Antwort beispielsweise wirklich binär bleibt.Das heißt, die Antwort wird nicht als 0/1 umcodiert und dann wird PLS so angewendet, als wäre sie numerisch.PLS-GLM hat die maximale Wahrscheinlichkeit als Zielfunktion anstelle der maximalen Kovarianz.Im Moment lese ich nur die Literatur, daher habe ich noch nicht viel mehr zu bieten.
Betreff: Partielle verallgemeinerte lineare Regression der kleinsten QuadrateOK, hier bin ich bei diesem Problem gelandet.Ich habe den sogenannten PLS-GLM-Algorithmus aus dem Artikel „PLS Generalized Linear Regression“, Bastien, Vinzi und Tenenhaus, Computational Statistics and Data Analysis 48 (2005) codiert.In diesem Artikel stellen sie einen Algorithmus vor, der die maximale Wahrscheinlichkeit nutzt, um nach dem Satz orthogonaler SPS-Komponenten zu suchen.Ich habe meine Ergebnisse von PLS-DA in JMP Pro mit denen von PLS-GLM verglichen.Sie sind nicht genau gleich, was keine Überraschung ist, da die Mathematik nicht dieselbe ist.Die von ihnen hergestellten Modelle sind jedoch sehr ähnlich.So nah, dass ich davon überzeugt bin, dass es wahrscheinlich in Ordnung ist, die Antwort als kontinuierlich zu kodieren.Zumindest kann ich sagen, dass ich den puristischen Ansatz gewählt habe, sodass die Antwort ihre ursprüngliche Verteilung beibehalten konnte und die Unterschiede zwischen den beiden Methoden kaum erkennbar waren.
Es wäre immer noch ziemlich cool, PLS-GLM zur Analysesuite hinzuzufügen.
Betreff: Partielle verallgemeinerte lineare Regression der kleinsten QuadrateDanke Dan,
Genau das mache ich im Moment.Mir wurde jedoch gesagt, dass JMP die binäre Antwort als 0/1 codiert, reguläres PLS ausführt und die Antwort als numerisch behandelt.In dem Artikel PLS Generalized Linear Regression von Bastien, Vinzi, Tenenhaus in Computational Statistics and Data Analysis 2005 diskutieren sie, wie man PLS mit einer binären Antwort durchführt und die Link-Funktion nutzt.Anstatt Cov(X * Beta, Y) zu maximieren, maximieren wir die Wahrscheinlichkeit von Y bei gegebenem X * Beta.Es gibt mehrere andere Artikel, die dieses PLS-GLR durchführen.Sie machen sich also ausdrücklich die Tatsache zunutze, dass die Antwort nicht numerisch ist (könnte vermutlich auch Poisson oder irgendetwas aus der Exponentialfamilie sein).Das Endergebnis ist immer noch eine orthogonale Basis für die Spanne von X, wird aber abgeleitet, ohne den Antwortvektor zu zwingen, sich in einem ineren Produktraum mit
Für mich kommt es auf die Frage an, ob PLS-GLM bessere Ergebnisse liefert als PLS-DA.Ich kenne die Antwort nicht, aber es fällt mir schwerer, PLS-DA als meine Modellierungstechnik zu verteidigen, wenn ich weiß, dass ich die native Verteilung der Antwort ignoriere.Es ist so, als würde man binäre Antwortdaten mithilfe von OLS anpassen, von dem wir wissen, dass es falsch ist.
Betreff: Partielle verallgemeinerte lineare Regression der kleinsten QuadrateIch denke, Sie betrachten das, was PLS-DA (PLS – Diskriminanzanalyse) genannt wird. Verwenden Sie „Modell anpassen“, geben Sie ein nominales Ziel als Y und Ihre Prädiktoren in das Modell ein. Wählen Sie im Dropdown-Menü „Standard-Kleinste-Quadrate“ die Option „Partielle Kleinste-Quadrate“ aus.
