python中的PLS-DA算法

Question

偏最小二乘（PLS）算法在scikit学习库中实现，如本文所述：http://scikit-learn.org/0.12/auto_examples/plot_pls.html在y是二进制矢量的情况下，使用该算法的变体，偏最小二乘判别分析（PLS-DA）算法。sklearn.pls中的PLSRegression模块是否也实现了这种二进制情况？如果没有，我在哪里可以找到它的python实现？在我的二进制情况下，我试图使用PLSRegession:

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

在转换函数中，代码在以下行中得到异常：

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

错误消息为"ValueError:矩阵未对齐"。Yc是归一化的y向量，self.y_rotations_=[1.]。在拟合函数中，如果原始y是单变量向量（y.shape1=1），则self.y_rotations_=np.ones（1）。

Answer 1

PLS-DA实际上是一个"技巧"，可以使用PLS来获得分类结果，而不是通常的连续向量/矩阵。该技巧包括创建一个零/一的伪单位矩阵，表示每个类别的成员身份。因此，如果你有一个二元结果要预测（即男性/女性、是/否等），你的虚拟矩阵将有两列代表任一类别的成员。

例如，考虑四个人的结果性别：2名男性和2名女性。伪矩阵应编码为：

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

，其中每列代表两个类别（男性、女性）的成员

然后，变量Xdata（形状为4行，任意列）中的数据模型将是：

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

预测的类别可以从mypred:中两个指标变量的比较中提取

mypred= myplsda.predict(Xdata)

对于每一行/每一种情况，预测的性别是具有最高预测成员资格的性别。

Answer 2

您可以在SKLearn中使用线性判别分析包，它将为y值取整数：

LDA SKLearn

以下是关于如何使用LDA的简短教程：sklearn LDA教程

Answer 3

我知道这个问题已经得到了彻底的回答，但我想添加对我有用的内容，以防对其他发现这个问题的人有帮助：

我遵循了这个教程，它以以下方式处理这个问题：

（我有一个数据集，其中的变量是AD和CN）

#Create a pseudolinear Y value against which to correlate the samples 
#(in my case I used AD)
y = [g == 'AD' for g in df.columns.get_level_values(0)]
y
#Conversion of boolean values to numerical
y = np.array(y, dtype=int)
y
#continue as normal with your PLS-DA model
plsr = PLSRegression(n_components=2, scale=False)
plsr.fit(df.values.T, y)

Answer 4

这并不完全是您想要的，但您可能需要检查这两个线程，了解如何从python和c++PLS libs实现中调用本机（c/c++代码）：

偏最小二乘库

从Python调用C/C++？

您可以使用boost.python将c++代码嵌入到python中。以下是一个取自官方网站的例子：

遵循C/C++的传统，让我们从"；你好，世界"；。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Python会话示例：

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