python中的PLS-DA算法

Question

偏最小二乘（PLS）算法在scikit学习库中实现，如下所述： http://scikit-learn.org/0.12/auto_examples/plot_pls.html 在y是二进制向量的情况下，使用该算法的一种变体，偏最小二乘判别分析（PLS-DA）算法。 pls中的plsregresion模块是否也实现了这种二进制情况？如果不是，我在哪里可以找到它的python实现？ 在我的二进制例子中，我试图使用plsregresion：

pls = PLSRegression(n_components=10)
pls.fit(x, y)
x_r, y_r = pls.transform(x, y, copy=True)

在transform函数中，代码在以下行中获取异常：

y_scores = np.dot(Yc, self.y_rotations_)

错误消息是“ValueError:矩阵未对齐”。Yc是标准化的y向量，并且self.y_旋转=[1.]。 在fit函数中，如果原始y是一个单变量向量（y.shape1=1），则self.y_旋转为（1）。

Answer 1

不完全是您想要的，但是您可以检查这两个线程，了解如何从python和c++PLS libs实现调用本机（c/c++代码）：

Partial Least Squares Library

Calling C/C++ from python?

您可以使用boost.python将c++代码嵌入到python中。以下是从official site中获取的示例：

遵循C/C++传统，让我们从“你好，世界”开始。一个C++函数：

char const* greet()
{
   return "hello, world";
}

可以通过编写Boost.Python包装器向Python公开：

#include <boost/python.hpp>

BOOST_PYTHON_MODULE(hello_ext)
{
    using namespace boost::python;
    def("greet", greet);
}

就这样。我们完了。我们现在可以将其构建为共享库。生成的DLL现在对Python可见。下面是一个示例Python会话：

>>> import hello_ext
>>> print hello_ext.greet()
hello, world

Answer 2

您可以在SKLearn中使用线性判别分析包，它将y值取整数：

LDA-SKLearn

以下是关于如何使用LDA的简短教程： sklearn LDA tutorial

Answer 3

PLS-DA实际上是一个“技巧”，用PLS代替通常的连续向量/矩阵用于分类结果。这个技巧包括创建一个由0/1组成的虚拟身份矩阵，表示每个类别的成员身份。因此，如果您有一个二元结果要预测（即男性/女性，是/否，等等），您的虚拟矩阵将有两列表示任一类别的成员资格。

例如，考虑四个人的结果性别：2男2女。虚拟矩阵应编码为：

import numpy as np
dummy=np.array([[1,1,0,0],[0,0,1,1]]).T

，其中每一列表示两个类别（男性、女性）的成员身份

那么，变量扩展数据（形状4行，任意列）中的数据模型是：

myplsda=PLSRegression().fit(X=Xdata,Y=dummy)

预测类别可从mypred中两个指标变量的比较中提取：

mypred= myplsda.predict(Xdata)

对于每一行/案例，预测的性别是具有最高预测成员的性别。