MATLAB偏最小二乘回归实战：从NIPALS到plsregress的完整指南

简介：一份面向数据建模与分析人员的MATLAB偏最小二乘（PLS）算法实现源码，适用于具备一定统计基础、希望快速上手PLS回归建模的科研与工程用户。资源包仅含1个m文件，整体体积约1KB，代码精简紧凑，便于直接阅读、调用和二次修改。PLS方法能在自变量高度相关或样本量小于变量数时稳定建模，通过投影降维提取最具解释力的成分，这套源码覆盖了从数据标准化、协方差计算到主成分提取与预测的核心流程。已有219人学习下载，对理解PLS内部迭代机制和高维数据处理具有较好的参考价值。使用者可借助该实现对比不同主成分数目对模型的影响，也可结合自身数据替换输入矩阵，快速验证算法效果。

1. 用 MATLAB 跑偏最小二乘法之前，先弄清楚 PLS 到底解决什么问题

做数据分析的人拿到一组多维自变量 X 和一个要预测的响应 Y，第一反应是回归。但真实工程数据里 X 往往高度共线性，比如近红外光谱的几百个波长点几乎线性相关、过程参数的相邻采样点彼此耦合。直接做多元线性回归，回归系数方差被共线性放大，模型在测试集上完全塌掉；先做主成分回归（PCR）虽然能压缩维度，却只盯着 X 的方差，根本不关心这些主成分和 Y 有没有关系。偏最小二乘法（Partial Least Squares，PLS）的出发点就是同时考虑 X 和 Y：它在 X 中寻找能最佳解释 Y 的潜变量方向，而不是仅仅寻找 X 中方差最大的方向。这套思想让它成为化学计量学、工业过程建模、生物信息学等领域处理高维共线性数据的默认选择之一，而 MATLAB 里既有内置的plsregress，也有大量第三方源码，很多入门者拿到pls.rar_matlab源码解压出来却不知道该调哪个参数、怎么选主成分数。本文按照理论定位、算法拆解、MATLAB 实现、交叉验证和进阶技巧这条线，把偏最小二乘法在数据处理建模分析里的完整路径讲清楚，代码可以直接跑，参数含义逐一说明。

2. 从 NIPALS 到潜变量：偏最小二乘法的迭代结构和选择理由

2.1 为什么是潜变量而不是主成分：PLS 与 PCA、PCR 的本质差异

传统的 PCA 对 X 做特征分解，得到的每个主成分只保证自身方差最大，和 Y 的相关性可能接近于零。PCR 把 PCA 和回归串联，先用 PCA 压缩 X，再对得分做回归，但主成分的选择标准始终和 Y 无关。PLS 的潜变量和 PCA 的主成分表面上都是一种线性组合，数学形式都是对 X 做投影，但优化目标不同：PLS 寻找的是使 X 得分与 Y 得分协方差最大的方向。

% 展示 PLS 与 PCA 在目标函数上的区别 % 假设 X 是 n×p 的自变量矩阵，Y 是 n×m 的响应矩阵 % PLS 的载荷向量 w 满足：最大化 cov(X*w, Y) 的方差 % 对比 PCA 的载荷向量 v 满足：最大化 var(X*v) % 生成一个存在共线性的示例数据 rng(42); n = 100; p = 10; X_true = randn(n, 3); % 真正的三个潜在因素 X = X_true * randn(3, p) + 0.1 * randn(n, p); % 观测变量，存在强共线性 Y = X_true(:, 1) * 2 + X_true(:, 2) * (-1) + 0.05 * randn(n, 1); % 对 X 做 PCA，观察前两个主成分与 Y 的相关性 [coeff_pca, score_pca] = pca(X); fprintf('PCA第1主成分与Y的相关系数: %.3f\n', corr(score_pca(:,1), Y)); fprintf('PCA第2主成分与Y的相关系数: %.3f\n', corr(score_pca(:,2), Y)); % 对 X 与 Y 做 PLS，观察前两个潜变量与 Y 的相关性 [Xloadings, Yloadings, Xscores, Yscores] = plsregress(X, Y, 2); fprintf('PLS第1潜变量与Y的相关系数: %.3f\n', corr(Xscores(:,1), Y)); fprintf('PLS第2潜变量与Y的相关系数: %.3f\n', corr(Xscores(:,2), Y));

这段代码直观对比了 PCA 和 PLS 的差异：PCA 得分与 Y 的相关性不受任何约束，可能很低；PLS 得分在构造时就被迫向 Y 靠拢，两者的相关系数在同样数据下会明显更高。这个差异是选择 PLS 而不是 PCR 的根本理由：当建模目的以预测 Y 为中心，且 X 存在严重多重共线性时，PLS 用更少的潜变量就能达到同样的预测精度。

2.2 NIPALS 算法的迭代步骤：从标准化到收敛判断

PLS 算法以 NIPALS（Nonlinear Iterative Partial Least Squares）为核心迭代方案。MATLAB 内置的plsregress底层实现了该算法，理解它的每一步对调试第三方源码至关重要，尤其是当你自己写的 PLS 代码结果和plsregress不一致时。

NIPALS 的核心流程如下：

% NIPALS 单潜变量的核心迭代过程 % 输入: X (n×p), Y (n×m) % 输出: 第一对潜变量的权重 w, c 和得分 t, u function [w, c, t, u] = nipals_one_component(X, Y, max_iter, tol) % 初始化 u 为 Y 的第一列 u = Y(:, 1); for iter = 1:max_iter % 第1步: 在 X 上投影，计算 X 的权重 w % w = X'*u / norm(X'*u)，让 X 得分与 u 协方差最大 w = X' * u; w = w / norm(w); % 第2步: 计算 X 的得分 t t = X * w; % 第3步: 在 Y 上投影，计算 Y 的权重 c c = Y' * t; c = c / norm(c); % 第4步: 更新 Y 的得分 u u_new = Y * c; % 第5步: 检查收敛，用 t 的变化量或 u 的变化量判断 if norm(u_new - u) / norm(u) < tol u = u_new; break; end u = u_new; end end

这段代码的关键在于每次迭代中w和c交替更新：先固定u算w，再固定w算t，接着算c和新的u。收敛标准用u的相对变化量来判断，一般容差设为1e-8到1e-10即可，max_iter设为 100 足够。注意w在归一化时用的是 L2 范数，这保证权重向量的单位长度，否则迭代会发散。完成了第一个潜变量的提取后，需要对 X 和 Y 做矩阵消去（deflation）：让X = X - t*w'，Y = Y - t*c'，然后对残差矩阵重复上述过程提取下一个潜变量。这套w、t、c、u交替迭代的机制就是 PLS 区别于 PCA 的核心所在，PCA 一次特征分解就能得到所有主成分，而 PLS 必须逐次迭代提取。

2.3 SIMPLS 与 NIPALS 的选择考量

MATLAB 的plsregress实际使用的是 SIMPLS 算法，它在数学上与 NIPALS 等价，但实现方式不同：SIMPLS 直接对协方差矩阵做奇异值分解，一次性计算出所有潜变量方向，不需要逐次消去。NIPALS 的优势在于内存占用低，适合 X 是稠密矩阵且样本量极大、无法一次载入内存的场景；SIMPLS 的优势在于数值稳定性好且速度快，当变量数 p 超过样本数 n（比如基因表达数据、光谱数据）时，SIMPLS 不易因矩阵消去误差累积而崩溃。

实际选择时我一般遵循一个简单规则：数据在内存装得下就用plsregress；装不下再用基于 NIPALS 的流式实现。用plsregress时要注意它返回的系数矩阵格式需要转换才能得到原始的回归系数，这一点在下一章详细展开。

3. 在 MATLAB 中用 plsregress 实现偏最小二乘回归：核心代码与必调参数

3.1plsregress的输入输出结构与回归系数还原

plsregress是 MATLAB 统计和机器学习工具箱（Statistics and Machine Learning Toolbox）中的函数，不依赖第三方代码，语法简明：[XL, YL, XS, YS, BETA, PCTVAR] = plsregress(X, Y, ncomp)。其中XL是 X 的载荷矩阵，YL是 Y 的载荷矩阵，XS是 X 得分，YS是 Y 得分，BETA是回归系数，PCTVAR是每个潜变量解释的方差百分比。

% plsregress 完整建模流程 % 生成带噪声的共线性数据 rng(123); n = 200; p = 20; % 真正的潜变量只有3个 T = randn(n, 3); % 载荷矩阵，让 X 的变量之间存在强相关性 P = randn(3, p); X = T * P + 0.05 * randn(n, p); % Y 只依赖前两个潜变量，添加噪声 Y = 2 * T(:, 1) - T(:, 2) + 0.1 * randn(n, 1); % 中心化和标准化处理 X_centered = X - mean(X); Y_centered = Y - mean(Y); % 指定潜变量数为5 ncomp = 5; [XL, YL, XS, YS, BETA, PCTVAR] = plsregress(X_centered, Y_centered, ncomp); % BETA 的形状是 (p+1)×m，第一行是截距项 fprintf('BETA 矩阵大小: %d × %d\n', size(BETA, 1), size(BETA, 2)); % 手动计算预测值 Y_pred = [ones(n, 1), X_centered] * BETA; % 计算 R² SS_res = sum((Y_centered - Y_pred).^2); SS_tot = sum((Y_centered - mean(Y_centered)).^2); R2 = 1 - SS_res / SS_tot; fprintf('模型 R²: %.4f\n', R2); % 解释方差百分比 disp('各潜变量解释的方差百分比:'); disp(PCTVAR');

BETA的输出维度是(p+1) × m，其中第一行对应截距项，因为plsregress默认在 X 左侧加了一列 1。PCTVAR是两行矩阵，第一行是每个潜变量对 X 的解释方差，第二行是对 Y 的解释方差。值得注意的是，plsregress内部并不自动标准化数据，输入数据的量纲直接影响结果，所以我在建模前手动做了中心化。如果变量量纲差异极大，用zscore做标准化再送入模型，回归系数则对应标准化后的变量。

3.2 潜变量数的确定：交叉验证与 PCTVAR 的配合

潜变量数是 PLS 中最重要的超参数，选少了欠拟合，选多了把噪声也吸收进模型。最稳妥的确定方式是 K 折交叉验证，MATLAB 的crossval可以配合plsregress一起使用，也可以手动实现循环。

% 用 10 折交叉验证确定最佳潜变量数 rng(456); K = 10; max_ncomp = min(15, rank(X_centered)); cv_rmse = zeros(max_ncomp, 1); % 生成折索引 indices = crossvalind('Kfold', size(X_centered, 1), K); for ncomp_i = 1:max_ncomp rmse_fold = zeros(K, 1); for k = 1:K % 划分训练集与验证集 test_idx = (indices == k); train_idx = ~test_idx; % 每次交叉验证都要重新做中心化，防止数据泄漏 X_train = X_centered(train_idx, :); Y_train = Y_centered(train_idx, :); X_test = X_centered(test_idx, :); Y_test = Y_centered(test_idx, :); % 对训练集中心化并记录均值和标准差 mu_X = mean(X_train); std_X = std(X_train); mu_Y = mean(Y_train); X_train_norm = (X_train - mu_X) ./ std_X; X_test_norm = (X_test - mu_X) ./ std_X; Y_train_norm = Y_train - mu_Y; % 拟合 PLS [~, ~, ~, ~, BETA_fold] = plsregress(X_train_norm, Y_train_norm, ncomp_i); % 预测并反标准化 Y_pred_norm = [ones(size(X_test_norm, 1), 1), X_test_norm] * BETA_fold; Y_pred = Y_pred_norm + mu_Y; rmse_fold(k) = sqrt(mean((Y_test - Y_pred).^2)); end cv_rmse(ncomp_i) = mean(rmse_fold); end % 找出最小 RMSE 对应的潜变量数 [best_rmse, best_ncomp] = min(cv_rmse); fprintf('最佳潜变量数: %d, CV RMSE: %.4f\n', best_ncomp, best_rmse); % 绘制 RMSE 随潜变量数的变化曲线 figure; plot(1:max_ncomp, cv_rmse, '-o', 'LineWidth', 1.5); xlabel('潜变量数'); ylabel('交叉验证 RMSE'); title('潜变量数选择'); grid on;

这段代码有一个非常容易犯的错误：交叉验证的每一折内部都要重新做标准化，而不能用全样本的均值和标准差。如果先在全样本上标准化再划分折，验证集的信息已经泄漏到了训练过程里，会导致模型评估偏乐观。代码里每个折都单独计算了训练集的mu_X、std_X并应用于测试集，这才是正确做法。从交叉验证曲线上看，RMSE 通常会先快速下降，然后进入平台期，最后因为过拟合缓慢上升。选择 RMSE 最低点或者平台期起始点都可以，我通常偏好比最低点差一个标准误差以内的最少潜变量数（即 one-standard-error rule），这样模型更简洁可解释。

3.3 数据预处理对偏最小二乘建模分析的影响

PLS 对数据的尺度和分布敏感。常见做法是先做中心化，这几乎是必须的，因为模型要估计截距项；是否做标准化取决于变量的物理单位是否可比。对于近红外光谱数据，不同波长的吸光度本身就是同尺度可比，做中心化即可；对于过程工业数据，温度、压力、流量单位不同，量纲差异大，必须标准化到方差为 1。

% 预处理的三种方案对比 % 方案1: 仅中心化 X_c = X - mean(X); Y_c = Y - mean(Y); % 方案2: 标准化到零均值单位方差 X_z = zscore(X); Y_z = zscore(Y); % 方案3: 映射到[-1, 1]区间 X_min = min(X); X_max = max(X); X_scaled = 2 * (X - X_min) ./ (X_max - X_min) - 1; % 分别建模比较预测表现 [~, ~, ~, ~, BETA_c] = plsregress(X_c, Y_c, 3); [~, ~, ~, ~, BETA_z] = plsregress(X_z, Y_z, 3); [~, ~, ~, ~, BETA_s] = plsregress(X_scaled, Y_z, 3);

三种预处理方式中，标准化（zscore）是最稳的选择，因为它让每个变量在计算协方差矩阵时拥有相同的权重。区间映射到 [-1,1] 在存在离群点时会把正常值压缩到很小的范围，一般不推荐。原始数据里有 NaN 时要先处理，plsregress对 NaN 的直接报错并不友好，常见的做法是先用rmmissing删除缺失行，或者用knnimpute插补，但插补高阶数据时要小心引入偏差。

4. 用交叉验证评估 PLS 模型并与第三方源码对比：避免踩坑的验证方法

4.1 模型评估指标：R²、RMSE、Q² 与 VIP 的综合运用

建模完成后，单看训练集的 R² 没有任何意义，PLS 模型几乎总是能通过增加潜变量数把训练集 R² 做到接近 1。可靠的评估体系包含四个指标：训练集 R² 反映拟合能力，交叉验证 Q²（也叫预测 R²）反映泛化能力，RMSE 反映预测误差的绝对水平，VIP（Variable Importance in Projection）反映变量对模型的重要性排序。

% 计算 Q² (交叉验证 R²) 和 VIP 分数 % 先计算交叉验证预测值 Y_cv_pred = zeros(size(Y_centered)); for k = 1:K test_idx = (indices == k); train_idx = ~test_idx; X_train = X_centered(train_idx, :); Y_train = Y_centered(train_idx, :); X_test = X_centered(test_idx, :); mu_X_tr = mean(X_train); std_X_tr = std(X_train); mu_Y_tr = mean(Y_train); X_train_n = (X_train - mu_X_tr) ./ std_X_tr; X_test_n = (X_test - mu_X_tr) ./ std_X_tr; Y_train_n = Y_train - mu_Y_tr; [~, ~, ~, ~, BETA_f] = plsregress(X_train_n, Y_train_n, best_ncomp); Y_pred_n = [ones(size(X_test_n, 1), 1), X_test_n] * BETA_f; Y_cv_pred(test_idx) = Y_pred_n + mu_Y_tr; end % Q² = 1 - PRESS / SS_tot PRESS = sum((Y_centered - Y_cv_pred).^2); SS_tot = sum((Y_centered - mean(Y_centered)).^2); Q2 = 1 - PRESS / SS_tot; fprintf('Q²: %.4f\n', Q2); % 计算 VIP 分数 % 利用 plsregress 的输出重构 p_var = sum(PCTVAR(2, :)'); % 累计解释的Y方差 vip = zeros(size(X_centered, 2), 1); w_norm2 = sum(XL.^2, 1)'; % 每个潜变量载荷的平方和 for j = 1:size(X_centered, 2) % VIP_j = sqrt(p * sum(SSY_i * (w_ij/norm(w_i))^2) / sum(SSY_i)) ssy_i = PCTVAR(2, 1:size(XL, 2)); contribution = sum(ssy_i .* (XL(j, :) ./ sqrt(w_norm2')).^2); vip(j) = sqrt(size(X_centered, 2) * contribution / sum(ssy_i)); end % 显示重要性排前5的变量 [sorted_vip, idx_sorted] = sort(vip, 'descend'); disp('VIP 排名前5的变量:'); for i = 1:5 fprintf('变量 %d, VIP = %.3f\n', idx_sorted(i), sorted_vip(i)); end

VIP 分数的经验阈值为 1.0：VIP 大于 1 的变量对模型解释 Y 有显著贡献，VIP 在 0.5 到 1 之间贡献一般，VIP 低于 0.5 的变量可以考虑剔除。这段代码里XL是加载矩阵，每一列是一个潜变量的载荷向量，w_norm2是各载荷向量的 L2 范数平方，VIP 的数学定义是各潜变量对 Y 的解释方差加权后的归一化指标。筛选变量时建议结合 VIP 和回归系数符号一起看：VIP 高但回归系数接近零的变量，可能与其他变量存在交互效应，删掉后模型会更干净。

4.2 第三方 PLS 源码和plsregress结果不一致时的排查路径

很多工程师从pls.rar_matlab源码解压得到的是自编写的 PLS 代码，跑出来的回归系数和plsregress不同。先别怀疑 MATLAB 内置函数出错，绝大多数情况是以下三个原因：第一，预处理方式不同，对方代码可能默认对 X 和 Y 同时做标准化，而plsregress不做任何预处理；第二，算法版本不同，NIPALS 和 SIMPLS 在潜变量得分上符号可能相反，载荷和权重的符号翻转只要成对出现就不影响预测值，但单独比较某一列会发现符号差异；第三，收敛容差不同，NIPALS 迭代的容差如果设置过松（比如1e-4），提取的潜变量方向和 SIMPLS 会有微弱差异。

% 验证你的 PLS 实现是否正确的标准化测试 % 生成单一潜变量的理想数据 n = 50; p = 5; t = randn(n, 1); % 真正的潜变量 w_true = [1; 2; -1; 0.5; 0.3]; % 真实权重 X = t * w_true' + 0.001 * randn(n, p); Y = 3 * t + 0.001 * randn(n, 1); % 用 plsregress 拟合1个潜变量 [Xload, Yload, Xscore, Yscore, Beta] = plsregress(X, Y, 1); % 手动计算第一潜变量的权重: 对 X'*Y 做归一化 % 这是 PLS 第一潜变量权重的解析解 w_manual = X' * Y; w_manual = w_manual / norm(w_manual); fprintf('plsregress 载荷: '); disp(Xload'); fprintf('手动计算权重: '); disp(w_manual'); fprintf('符号一致性: %.4f\n', dot(Xload(:, 1), w_manual));

这个测试用人为构造的单个潜变量数据验证 PLS 实现是否正确。X' * Y的方向向量是 PLS 第一潜变量权重的解析解，如果plsregress的载荷列向量与它的点积绝对值接近 1，说明实现正确，如果点积为负，只是符号翻转，不影响预测。用这套方法可以快速排查第三方源码的正确性。

4.3 离群点与非线性问题对偏最小二乘回归的干扰

PLS 本质是线性模型，对离群点非常敏感。在建模前用 Hotelling T² 统计量和 Q 残差统计量对样本做诊断是标准的做法：T² 反映样本在潜变量空间中的分布偏移，Q 残差反映样本对模型的拟合残差。

% PLS 模型离群点检测 % 计算 Hotelling T² 和 Q 残差 [~, ~, XS, ~] = plsregress(X_centered, Y_centered, best_ncomp); T2 = sum((XS ./ std(XS)).^2, 2); % 计算 X 重建残差 X_hat = XS * XL(:, 1:best_ncomp)'; Residuals = X_centered - X_hat; Q_res = sum(Residuals.^2, 2); % 设置显著性水平 0.05 的阈值，F 分布和卡方分布 alpha = 0.05; T2_threshold = finv(1-alpha, best_ncomp, n - best_ncomp) * best_ncomp * (n-1)/(n-best_ncomp); Q_threshold = chi2inv(1-alpha, best_ncomp) * median(Q_res); % 近似阈值 outlier_idx = find(T2 > T2_threshold | Q_res > Q_threshold); fprintf('检测到 %d 个潜在离群点\n', length(outlier_idx));

在实际项目中我一般先看 T² 阈值附近的点是否对应已知的异常工况，再有选择地剔除，而不是机械删掉所有超阈值样本。对于 X 与 Y 存在明显非线性关系的场景，标准 PLS 效果有限，常见做法是引入支持向量回归或高斯过程回归，但非线性 PLS（如平方项扩展、核 PLS）的 MATLAB 源码质量参差不齐，在数据量足够时优先考虑成熟的内置函数。

5. 偏最小二乘法的三个进阶用法：变量筛选、多响应建模与模型迁移

5.1 用 VIP 做变量筛选后的 PLS 性能对比

很多高维数据里 p 超过几百甚至几千，全变量 PLS 虽然能运行但变量过多会引入噪声，降低模型稳定性和可解释性。基于 VIP 分数做变量筛选是化学计量学里的通用流程：先在全变量上建一个 PLS 模型，计算 VIP，按阈值剔除不重要的变量，再在筛选后的变量上重建模型验证精度。

% 基于 VIP 的变量筛选循环 vip_threshold = 0.8; selected_idx = find(vip > vip_threshold); % VIP 阈值设为 0.8 % 用筛选后的变量重新建模 X_selected = X_centered(:, selected_idx); [~, ~, ~, ~, BETA_selected] = plsregress(X_selected, Y_centered, best_ncomp); Y_pred_selected = [ones(n, 1), X_selected] * BETA_selected; SS_res_sel = sum((Y_centered - Y_pred_selected).^2); R2_selected = 1 - SS_res_sel / SS_tot; fprintf('变量数从 %d 减少到 %d，R²: %.4f\n', ... size(X_centered, 2), length(selected_idx), R2_selected);

这个例子把 VIP 阈值设为 0.8，实际项目中这个阈值通常在 0.5 到 1.0 之间根据模型复杂度调整。筛选后的模型潜变量数可能也需要重新交叉验证，因为删除了部分信息维度后，原来确定的最佳潜变量数未必仍然最优。另外要注意重复进行 VIP 筛选和交叉验证构成的嵌套过程，严格来说筛选应该放在交叉验证的每一折内部执行，否则 VIP 计算过程本身存在信息泄漏的风险，在样本量少时要格外小心。

5.2 多响应 Y 的 PLS 建模：用一张载荷图同时分析多个输出

当 Y 是一个多列矩阵而不仅仅是一列时，PLS 仍然可以直接建模，plsregress无缝支持多响应。这在很多实际场景里非常有用，比如同时预测产品的多个质量指标，或者同时分析光谱和色谱两种输出。多响应 PLS 的潜变量会同时捕捉 X 中与多个 Y 相关的方向，潜变量数量需要重新用交叉验证确定。

% 多响应 PLS 建模示例 % Y 有3列，分别对应3个相关质量指标 Y_multi = [2 * T(:,1) - T(:,2) + 0.1*randn(n,1), ... T(:,1) + T(:,3) + 0.1*randn(n,1), ... -T(:,2) + 0.5*T(:,3) + 0.05*randn(n,1)]; % 中心化 Y_multi_c = Y_multi - mean(Y_multi); % 多响应交叉验证选择潜变量数 cv_rmse_multi = zeros(max_ncomp, 1); for ncomp_i = 1:max_ncomp rmse_fold = zeros(K, 1); for k = 1:K test_idx = (indices == k); train_idx = ~test_idx; mu_X_tr = mean(X_centered(train_idx, :)); std_X_tr = std(X_centered(train_idx, :)); mu_Y_tr = mean(Y_multi_c(train_idx, :)); X_tr_n = (X_centered(train_idx, :) - mu_X_tr) ./ std_X_tr; X_te_n = (X_centered(test_idx, :) - mu_X_tr) ./ std_X_tr; Y_tr_n = Y_multi_c(train_idx, :) - mu_Y_tr; [~, ~, ~, ~, B_f] = plsregress(X_tr_n, Y_tr_n, ncomp_i); Y_pr_n = [ones(size(X_te_n, 1), 1), X_te_n] * B_f; Y_pr = Y_pr_n + mu_Y_tr; rmse_fold(k) = sqrt(mean(sum((Y_multi_c(test_idx, :) - Y_pr).^2, 2))); end cv_rmse_multi(ncomp_i) = mean(rmse_fold); end figure; plot(1:max_ncomp, cv_rmse_multi, '-s', 'LineWidth', 1.5); xlabel('潜变量数'); ylabel('多响应CV RMSE'); title('多响应 PLS 潜变量数选择'); grid on;

多响应场景中，RMSE 的计算需要对所有响应列做整体评估，这里用每行所有响应列的平方和再开方作为该样本的误差。与单响应相比，多响应 PLS 的潜变量数一般会更少，因为单一潜变量可以同时捕捉多个 Y 的共享信息方向。在多列 Y 的量纲不一致时，需要在计算 RMSE 前先对各列做标准化，否则量纲大的响应会主导整个评估。

5.3 模型迁移与在线部署：把 PLS 回归系数导出为标准格式

一个在实验室数据上表现良好的 PLS 模型最终要落地到生产环境，可能是嵌入式设备、Python 服务或者另一套工业软件。由于 PLS 的本质是线性变换和回归的组合，它导出的模型格式很简单：权重矩阵、载荷矩阵、回归系数、均值与标准差向量，这几样东西足以在任何语言中重建模型。

% 导出 PLS 模型为独立可移植的格式 % 假设最终模型已用最佳潜变量数确定 [XL_final, YL_final, XS_final, YS_final, BETA_final, PCTVAR_final] = ... plsregress(X_centered, Y_centered, best_ncomp); % 保存到结构化文件中 model = struct(); model.BETA = BETA_final; % 回归系数，首行为截距 model.X_mean = mean(X_centered); model.X_std = std(X_centered); model.ncomp = best_ncomp; model.PCTVAR = PCTVAR_final; model.timestamp = datestr(now, 'yyyy-mm-dd HH:MM:SS'); save('pls_model.mat', 'model'); % 如果要导出给 Python 等外部环境使用 % writematrix(BETA_final, 'pls_beta.csv'); % writematrix(model.X_mean, 'pls_x_mean.csv'); % writematrix(model.X_std, 'pls_x_std.csv');

模型在线部署时最常见的坑是预处理参数不匹配：训练时如果用了标准化，预测时一定要用训练集的标准差和均值，而不是新样本的统计量。另外 MATLAB 里保存的.mat文件在不同大版本间存在兼容性问题，用-v7参数保存可以保证 MATLAB 2026b 及更早版本正常读取。对于需要嵌入 C/C++ 代码的场景，直接使用saveLearnerForCoder配合 MATLAB Coder 生成独立执行程序，plsregress本身不支持直接转 C，但 BETA 一旦导出，预测逻辑只是简单的矩阵乘法加偏移，手写 C 代码做事最稳妥的方案。

偏最小二乘回归的完整分析流程到这里算是闭环了，实际工作中多花时间在数据预处理和潜变量数验证上，比换算法、换工具带来更大的精度提升。

本文还有配套的精品资源，点击获取