正则化偏最小二乘法及其在NMR光谱学中的应用
摘要：高维数据常见于基因组学、蛋白质组学和化学计量学等领域，通常含有复杂的相关结构。最近，在这些领域中，偏最小二乘（PLS）和稀疏PLS方法作为有监督数据分析的降维技术引起了关注。我们引入了一种基于正则化PLS的框架，通过对PLS加载向量施加惩罚来解决SIMPLS优化问题的松弛。我们的方法具有许多优势，包括灵活性、通用的惩罚方式、结果的易解释性以及在高维设置中的快速计算。我们还概述了我们方法的扩展，导致了一种新的非负PLS方法和广义PLS方法，即适用于结构化数据的PLS的改进。通过模拟实验和对质子核磁共振（NMR）光谱数据的案例研究，我们证明了我们方法的实用性。
作者：Genevera I. Allen, Christine Peterson, Marina Vannucci, and Mirjana Maletic-Savatic
论文ID：1204.3942
分类：Machine Learning
分类简称：stat.ML
提交时间：2012-04-19