calcule les paramètres de réglage d'une projection orthogonale pour laquelle la matrice d'information nuisible (dmatrix) est donnée
[res_dmt]=pop_tune(dmatrix,maxdim,xg,classes_observ,func_reg,x,y,split,lv,(rparam),(centering))
une matrice (n1 x q) ou une structure Div ne contenant que de l'information nuisible
le nombre maximum de dimensions extraites de dmatrix
une matrice ou une structure Div contenant l'information nuisible
un vecteur identifiant les observations dans xg
la fonction de régression choisie; une chaine de caractères, ex: 'pls'
un jeu d'étalonnage: une matrice et un vecteur ou des structures Div
paramètre de sélection des blocs pour la validation croisée; un scalaire représentant un nombre de blocs contigus ou un vecteur identifiant chaque échantillon à un bloc
nombre de variables latentes pour la régression
le paramètre r; uniquement pour la fonction 'vodka'
centré = 1 (par défaut); non centré =0
la matrice ne contenant que de l'information nuisible
res.d_matrix.d est une matrice de dimensions ((nbr_perturb-1) x q)
les vecteurs-propres de d_matrix
res.d_eigenvect.d est une matrice de dimensions (q x (nbr_perturb-1))
les valeurs-propres de d_matrix exprimées en %
res.d_eigenvalpcent.d est un vecteur de dimensions ((nbr_perturb-1) x 1)
lambda de Wilks
res.Wilks.d est un vecteur de dimensions (nbr_perturb x 1)
rmsecv pour plusieurs dimensions de projection orthogonale et plusieurs dimensions de régression
res.rmsecv.d est une matrice de dimensions (lv x nbr_perturb)
modèles de régression obtenus après une projection orthogonale utilisant 0/1/2/...(nbr_perturb - 1) vecteurs-propres de res.eigenvect.d
res.pls_models est une liste de dimension (nbr_perturb)
voir l'aide de pls pour l'explication des éléments de res.pls_models