Mínimos cuadrados parciales [3]: ideas básicas SIMPLS, comparativa con O-PLS, PCR, discusión, conclusiones.

Antonio Sala, UPV

Dificultad: ***** ,       Relevancia: ,      Duración: 10:20

Resumen:

Este vídeo presenta las ideas básicas detrás de otros algoritmos PLS donde la matriz de entrada no es ortonormalizada previamente. Por ello, en la covarianza está “implícito” tanto la correlación de la salida y la entrada como las varianzas de las mismas. Por tanto, el PLS no ortogonalizado “pondera” no sólo la capacidad de $x$ para predecir $y$, sino la propia varianza de $x$... es un intermedio entre el PCR (no se considera la covarianza) y el PLS ortogonalizado del vídeo [plso].

Matlab, en su comando plsregress implementa el algoritmo que se denomina SIMPLS. Empieza con las direcciones principales de la covarianza asociadas al valor singular máximo, y luego elimina determinados componentes de la matriz de covarianza. Los detalles no son objetivo del vídeo, y pueden ser consultados en la literatura. Existen otros algoritmos, como NIPALS, que persiguen objetivos similares.

Colección completa [VER]:

• Anterior   Mínimos cuadrados parciales [2]: Preparación de datos, PLS con entrada ortonormalizada (pre-blanqueada)

• Siguiente Análisis de variables canónicas (canonical variate analysis, CVA): planteamiento y justificación