目录
简单介绍
代码实现
数据集划分
选择因子个数
模型训练并分类
调用函数
简单介绍
（此处取自各处资料）
PLS-DA既可以用来分类，也可以用来降维，与PCA不同的是，PCA是无监督的，PLS-DA是有监督的。与PCA不同，PCA是无监督,PLS是“有监督”模式的偏最小二乘法分析，当样本组间差异大而组内差异小时，无监督分析方法可以很好的区分组间差异。反之样本组间差异不大，无监督的方法就难以区分组间差异。另外如果组间的差异较小，各组的样本量相差较大，样本量大的那组将会主导模型。有监督的分析（PLS-DA）能够很好的解决这些问题。也就是在分析数据时，已知样本的分组关系，这样可以更好的选择区分各组的特征变量，确定样本之间的关系。DA是判别分析，PLS-DA用偏最小二乘回归的方法，在对数据“降维”的同时，建立了回归模型，并对回归结果进行判别分析。
本文主要是基于PLS的分类展开。
代码实现
主要参考了这位大佬的: https://zhuanlan.zhihu.com/p/374412915
数据集划分
首先要把数据集处理成一定的格式，也就是把自变量和因变量搞清楚，做好数据集的分割，然后传回。
def deal_data(path):
# 读取自变量和因变量构成的数据矩阵,类别y放最后一列,前面均为x
spec = pd.read_excel(path)
spec = np.array(spec) # 直接转化为numpy类型
x = spec[:, 0:-1] # 前面的列均为自变量
y = spec[:,-1]
# 先做一个数据集的划分
train_X, test_X, train_y, test_y = train_test_split(x, y, test_size=0.2)
return train_X, test_X, train_y, test_y选择因子个数
PLS类似于PCA，是有成分这么一个说法的，不同的成分个数最终得到的效果也不一样，因此我们对于不同的成分个数均进行训练，然后进行交叉验证，观察不同成分个数的表现，从而选择合适的个数。
def accuracy_component(xc, xv, yc, yv, component=8, n_fold=5):
# xc表示训练集,xv表示测试集,yc表示训练标签,yv表示测试标签,component表示最多个数,n_fold表示分为几组样本(每次一组作为测试集,交叉验证)
k_range = np.linspace(start=1, stop=component, num=component)
kf = KFold(n_splits=n_fold, random_state=None, shuffle=True) # n_splits表示要分割为多少个K子集,交叉验证需要
accuracy_validation = np.zeros((1, component)) # 用于存储各个成分数的测试平均精准度accuracy
accuracy_train = np.zeros((1, component)) # 用于存储各个成分数的训练平均精准度accuracy
for j in range(component): # j∈[0,component-1],j+1∈[1,component]
p = 0
acc = 0 # acc表示总的精准度,p表示个数,acc/p平均精确度
# 下面是普通训练
model_pls = PLSRegression(n_components=j + 1) # 此时选择component个成分
yc_labels = pd.get_dummies(yc)
model_pls.fit(xc, yc_labels)
y_pred = model_pls.predict(xv)
y_pred = np.array([np.argmax(i) for i in y_pred])
accuracy_train[:, j] = accuracy_score(yv, y_pred) # 这是直接训练的
# 下面是交叉验证
for train_index, test_index in kf.split(xc): # 进行n_fold轮交叉验证
# 划分数据集
X_train, X_test = xc[train_index], xc[test_index]
y_train, y_test = yc[train_index], yc[test_index]
YC_labels = pd.get_dummies(y_train) # 训练数据结果独热编码
model_1 = PLSRegression(n_components=j + 1)
model_1.fit(X_train, YC_labels)
Y_pred = model_1.predict(X_test)
Y_pred = np.array([np.argmax(i1) for i1 in Y_pred]) # 独热编码转化成类别变量
acc = accuracy_score(y_test, Y_pred) + acc
p = p + 1
accuracy_validation[:, j] = acc / p # 计算j+1个成分的平均精准度
# 首先对于每个component数训练一个模型,然后利用测试集得出准确率
print('模型训练的准确率')
print(accuracy_train)
# 然后对样本的训练集进行交叉验证
print('交叉验证的平均准确率')
print(accuracy_validation)
plt.plot(k_range, accuracy_train.T, 'o-', label="Training", color="r")
plt.plot(k_range, accuracy_validation.T, 'o-', label="Cross-validation", color="b")
plt.xlabel("N components")
plt.ylabel("Score")
plt.legend(loc="best") # 选取最佳位置标注图注
plt.rc('font', family='Times New Roman')
plt.rcParams['font.size'] = 10
plt.show()
return accuracy_validation, accuracy_train下面是运行效果，因为数据是乱造的所以参数就不用关注了，这样来看的话三到四个因子效果还不错。
模型训练并分类
下面就是选择合适的成分个数进行分类，得到混淆矩阵和一些参数指标。
def PLS_DA(train_X, test_X, train_y, test_y):
# 建模
model = PLSRegression(n_components=6)
train_y = pd.get_dummies(train_y)
model.fit(train_X, train_y)
# 预测
y_pred = model.predict(test_X)
# 将预测结果（类别矩阵）转换为数值标签
y_pred = np.array([np.argmax(i) for i in y_pred])
# 模型评价---混淆矩阵和精度
print('测试集混淆矩阵为：\n', confusion_matrix(test_y, y_pred))
print('平均分类准确率为：\n', accuracy_score(test_y, y_pred))
运行效果，至少比乱分类的33%正确率要高。
文章来源：https://www.toymoban.com/news/detail-555126.html
调用函数
以上都是各个组件，最后需要一个主函数调用串联起来，如下， 建议分步调用，也便于问题的发现和处理。文章来源地址https://www.toymoban.com/news/detail-555126.html
max_component = 8 # 迭代最大成分数
n_fold = 10 # 交叉验证次数
excel_path = './data.xlsx' # 数据集地址
if __name__ == '__main__':
train_X, test_X, train_y, test_y = deal_data(excel_path) # 处理数据,返回处理完的训练和测试集,具体情况具体分析
# accuracy_component(train_X, test_X, train_y, test_y, max_component, n_fold)
PLS_DA(train_X, test_X, train_y, test_y,n_components=3)到了这里，关于PLS-DA分类的实现(基于sklearn)的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
