PLS のサブセット選択。
varbanov.arから再度リクエスト
現在のプロセスの詳細は次のとおりです。
社内ウェブツールを用いたPLS変数選択に対する現在のP&Gのアプローチ
VIPが削除順序を決定する
停止ルールとして、PRESSを最小化する
最大PLS因子を指定した後の後方消去（例：5）
各反復とPLS係数の範囲（1から最大まで）
まず、VIP<0.8の予測変数はすべて削除される。
そして、VIPが最も小さい予測変数が削除される。
この反復から得られた最良のPLSモデル（最小のPRESS）を最良のモデルと比較する
以前のバージョンから
PRESSがPRESSに改善されない場合は変数の選択を停止します
残りの予測変数を順に調べ、冗長なものは削除する。
変数選択を完了するために
---------------------------------------------
最適PLSモデル（PRESSが最小）には1つのPLS因子と3つの予測変数がある
Webツールは、ユーザーが指定した最大サイズまでのベストサブセットモデルを提供します。
最適モデルに多くの予測変数が残っている場合の有用な代替手段
モデルで
PRESSがあまり増加しない場合は、より小型のモデルを検討することもできます。
---------------------------------------------
シルビオ・ミッチョ ( シルヴィオ.シルヴィオ ) からの詳細:
Y を予測するために関連する因子または因子のグループを見つける、PLS 用の一種のベスト サブセット アルゴリズムがあれば素晴らしいでしょう。実践では、重要でない因子を削除すると、一般化エラーが低いモデルになることがわかっています。
VIPのみに基づいてサブセット選択を行うのは、私にとっては納得のいくものではありません。VIPの閾値は恣意的です（例えば、p値の一般的な値である0.05など）。
ご提案ありがとうございます。開発チームが調査中です。
