回归学习算法

该文件主要是演示回归算法在计算机视觉中的应用，利用Matlab实现如何利用偏最小二乘回归模型实现数据拟合

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%功能：演示回归算法算法在计算机视觉中的应用
%实现如何利用偏最小二乘回归模型实现数据拟合；
%环境：Win7，Matlab2012b
%Modi: NUDT-VAP30
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clear all;
close all;
clc;
%多重相关性计算
load（‘data.mat‘）; %读入数据文件data.mat
cr=corrcoef（data） %计算变量之间的相关系数
%建立偏最小二乘回归模型
%提取可能的主成分
X=data（:1:3）;
Y=data（:3:6）;
E0=stand（X）
F0=stand（Y）
A=rank（E0）
[WCTUPR]=plspcr（E0F0）

%主成分解释能力分析
%计算主成分累计复测定系数
RA=plsra（TRF0A）
%计算主成分的信息解释能力
[RdxRdXRdXtRdyRdYRdYt]=plsrd（E0F0TA）

%计算第一主成分间的相关性
%通过t1/u1图像直观的考查第一主成分间的相关性
cr=plsutcor（UT）

%计算PLS回归方程的系数
%标准化因变量关于主成分t1的经验回归系数
TCOEFF=R（:1）
%标准化因变量关于标准化自变量的经验回归系数
SCOEFF=pls（15WPR）%1为建模的主成分个数，5为自变量个数
%计算原始因变量关于原始自变量的经验回归系数
[COEFFINTERCEP]=plsiscoeff（XYSCOEFF）%对标准化的回归系数进行逆标准化处理，输出原始自变量对因变量的回归系数及常数项

%变量投影重要性分析与模型的改进
result=plsresult（WRdYRdYt1）%result表示第j个自变量对因变量的解释能力模

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        472  2011-04-13 11:56  3、回归学习\data.mat

     文件       1230  2015-04-30 08:15  3、回归学习\main.m

     文件        561  2011-04-25 11:16  3、回归学习\pls.m

     文件        514  2011-04-13 10:46  3、回归学习\plsiscoeff.m

     文件        749  2011-04-26 13:46  3、回归学习\plspcr.m

     文件        370  2011-04-11 13:36  3、回归学习\plsra.m

     文件        970  2011-04-11 15:30  3、回归学习\plsrd.m

     文件        282  2015-04-30 08:12  3、回归学习\plsresult.m

     文件        274  2011-04-11 15:48  3、回归学习\plsutcor.m

     文件        204  2011-04-11 12:56  3、回归学习\stand.m

     目录          0  2017-11-26 16:25  3、回归学习

----------- ---------  ---------- -----  ----

                 5626                    11