<< mlr (X->y) Etalonnages linéaires pls >>

fact >> (X->y) Etalonnages linéaires > pcr

pcr

régression sur composantes principales (PCR)

Sequence d'appel

model=pcr(x,y,split,lv,(centred))

Paramètres

x et y :

données d'étalonnage; une matrice (n x q) et un vecteur (n x 1) ou des structures Div

split:

paramètre pour la validation croisée:

- un entier: nombre de blocs tirés au hasard

- deux entiers: [a b ]: a blocs tirés au hasard; b répétitions

- un vecteur de dimension n attribuant chaque échantillon à un bloc (nombres 1,2,...k pour k blocs): blocs fixés par le vecteur

- une matrice (n x b ) de vecteurs-colonne de dimension n attribuant chaque échantillon à un bloc (nombres 1,2,...k pour k blocs): blocs fixés par chaque vecteur, b répétitions

- 'vnbxx': stores vénitiens, xx blocs; ex: 'vnb10' pour 10 blocs

- 'jckxx': Jack knife, xx blocs; ex: 'jck8' pour 8 blocs

lv :

nombre de composantes principales

(centred):

centré=1 (par défaut); non centré=0

model.err:

les erreurs standard d'étalonnage et de validation croisée

model.err.d est une matrice (lv x 2); les colonnes sont les rmsec et rmsecv respectivement

model.ypredcv:

les valeurs y prédites après validation croisée

model.ypredcv.d est une matrice (n x lv)

model.b:

les b ou coefficients de régression

model.b.d est une matrice (q x lv)

model.scores:

les coordonnées des observations sur les loadings

model.scores.d est une matrice de dimensions (n x lv)

model.loadings:

les loadings

model.loadings.d est une matrice de dimensions (q x lv)

model.x_mean, model.y_mean:

moyennes de x et y ; un vecteur (q x 1) et un scalaire

model.center:

1=centré; 0=non centré

rmsec:

rmsec=model.rmsec.d

rmsecv:

rmsecv=model.rmsecv.d

b:

b=model.b.d

ypredcv:

ypredcv=model.ypredcv.d

x_ref:

model.x_ref

y_ref:

model.y_ref

Exemples

[model]=pcr(x,y,50,20)
[model]=pcr(x,y,50,20,0)

Bibliographie

Auteurs


Report an issue
<< mlr (X->y) Etalonnages linéaires pls >>