偏最小二乘法英文

偏最小二乘法（Partial Least Squares，PLS）是一種多元數據分析技術，主要用於分析具有大量潛在相關變數（predictors）和少量回響變數（responses）的數據集。PLS 是一種統計學習方法，它結合了偏最小二乘回歸（Partial Least Squares Regression，PLSR）和偏最小二乘判別分析（Partial Least Squares Discriminant Analysis，PLS-DA）。

偏最小二乘回歸（PLSR）是一種用於建模因變數（回響變數）和多個自變數（預測變數）之間關係的統計方法。它特別適用於高維數據集，其中可能存在多重共線性（即變數之間的高度相關性）。PLSR 通過同時考慮多個自變數和因變數來構建模型，這樣可以更好地解釋數據中的複雜關係。

偏最小二乘判別分析（PLS-DA）是一種用於分類的數據分析方法，它結合了 PLSR 和判別分析的優點。PLS-DA 用於在高維數據集中區分不同的樣本類，同時考慮多個預測變數和回響變數。

在英文文獻中，偏最小二乘法通常被稱為 "Partial Least Squares" 或 "PLS"。在討論具體的 PLSR 或 PLS-DA 方法時，可能會使用 "Partial Least Squares Regression" 或 "Partial Least Squares Discriminant Analysis" 的全稱。