R语言安装包到PLS分析：环境配置、定阶与避坑

简介：面向使用SPSS 16.0/17.0开展多变量统计分析的科研人员与数据分析学习者，这份R语言扩展包围绕偏最小二乘回归（PLS）展开，用于在R环境中补齐PLS建模能力，并借助R与SPSS的接口把相关分析功能引入熟悉的SPSS操作界面。压缩包为tgz格式，约10.55MB，上游未提供具体文件清单与类型明细，解压后可按包结构自行查阅。已有948人学习下载，说明该方向在统计建模人群中具有一定关注度。内容涉及pls、mixOmics等R包中的PLS1/PLS2、PLSR、sPLS与PLS-DA等方法，适合需要处理高维、强共线性数据的研究者对照学习；对于不熟悉R语法的SPSS用户，也可通过接口方式调用R完成回归与判别分析，并在此基础上理解权重向量、成分提取与模型验证的基本流程。整体更偏向方法入门与工具集成，而非成套案例数据。

1. 一份 R语言安装包能跑多远：从装完到 PLS分析 出第一张得分图

很多人对「R语言安装包」的期待是双击、下一步、完成，然后打开一个蓝白界面就以为万事大吉。真到要做 PLS分析 的时候才发现，装完只是起点：包库在哪、路径干不干净、R 和包的版本对不对得上，这三个问题任意一个没解决，library(pls)那一行就会给你脸色看。这份资源解决的正是这段最磨人的路——把 R 本体、IDE、离线包库和一套能直接跑的 PLS/PLS-DA 脚本凑成一个自洽的环境，让你不用在装包上耗掉一整天。适合两类人：一类是被近红外、色谱、代谢组学数据逼着学 PLS 的分析岗，一类是想把建模流程固化成脚本、以后换数据直接复用的工程岗。化学计量和组学数据里变量成百上千、样本常常只有几十个，这种数据用普通最小二乘必翻车，PLS 是绕不开的选择。

2. 装环境：把 R语言安装包铺成一个能装包的离线仓库

2.1 三个组件的安装顺序与路径约定

这套东西里的角色分得很清楚，装错顺序或装错位置，后面每一步都会连带出问题。

顺序必须是先 R 本体、再 RStudio。反过来的话 IDE 会自己去扫注册表找一个不存在的 R，然后在启动横幅里给你一句语焉不详的告警。安装路径只用 ASCII 字符，别带空格，也别放在会被同步的文档目录里——同步进程会在你装包的瞬间锁住文件，报出unable to move temporary installation这种看着像玄学、实际就是文件被占用的错误。

装完之后先别急着装包，把库路径钉死。

# 1) 先确认版本与位数：PLS 相关的包几乎都是 64 位二进制 R.version.string print(R.version$arch) # 期望看到 x86_64 print(.libPaths()) # 看清楚默认装到哪个目录去了 # 2) 给当前用户单独建一个包目录，避开同步盘和中文路径 user_lib <- "D:/Rlibs/4.3" dir.create(user_lib, recursive = TRUE, showWarnings = FALSE) # 3) .libPaths 的顺序就是查找顺序，第一位既是首选安装位置 .libPaths(c(user_lib, .libPaths())) print(.libPaths())

.libPaths()返回的是一个字符向量，R 找包时从头往后扫，装包时默认装到第一个元素指向的目录。这行代码直接决定了你以后所有的包落在哪，写错一次，后面会反复出现「明明装过、重启就没了」的怪事。R.version$arch用来确认位数，混装 32 位包是 Windows 上最隐蔽的一类问题，报错信息完全指不到根因。

想让它每次启动都生效，把同一行写进用户级.Rprofile，而不是每次开会话手动敲一遍。

prof <- path.expand("~/.Rprofile") write('.libPaths(c("D:/Rlibs/4.3", .libPaths()))', file = prof, append = TRUE)

path.expand("~")在 Windows 上一般落到用户主目录，在 Linux 上是$HOME，比硬编码路径稳。用append = TRUE是防止覆盖掉别人已经写进去的配置。

2.2 用本地仓库一次装齐 pls、ropls、mixOmics

真正做 PLS分析，光有pls一个包不够：pls管回归和交叉验证，ropls出得分图和置换检验，mixOmics管判别和多分类。这三个包的来源不在一处——pls在 CRAN，ropls和mixOmics在 Bioconductor，装的时候要把两个仓库同时挂上。

离线仓库的目录结构要和镜像保持一致，CRAN 那边是bin/windows/contrib/<版本>或src/contrib，Bioconductor 那边是packages/<版本>/bioc/src/contrib。结构对了，install.packages才认。

# 本地仓库用 file:/// 前缀，路径分隔符统一用正斜杠 local_cran <- "file:///D:/R-offline/cran" local_bioc <- "file:///D:/R-offline/bioc" install.packages( c("pls", "ropls", "mixOmics"), repos = c(CRAN = local_cran, BioCsoft = local_bioc), lib = "D:/Rlibs/4.3", dependencies = TRUE, type = "win.binary" # Linux / macOS 改成 "source" )

repos是一个命名向量，名字随你取，但必须是能对上的仓库名，Bioconductor 的软件包仓库惯例写成BioCsoft。lib要显式指到刚才建好的目录，不写就装到默认位置，前面钉路径的努力白费。dependencies = TRUE会连带装Imports、Depends、LinkingTo三层依赖，mixOmics的依赖链能拖出十几个包，漏一层就跑不起来。type在 Windows 上用"win.binary"直接装编译好的二进制，省掉 Rtools；Linux 上只能"source"，那就得先有编译器和对应的数学库头文件。

装完别急着往下走，先验一遍依赖闭包是不是真的齐了。

ap <- available.packages(repos = c(CRAN = local_cran, BioCsoft = local_bioc)) # 递归解析 mixOmics 的全部依赖 need <- tools::package_dependencies("mixOmics", db = ap, recursive = TRUE)[[1]] # 和已装列表做差集，返回空向量才说明齐了 setdiff(need, rownames(installed.packages(lib.loc = "D:/Rlibs/4.3")))

available.packages读的是仓库索引，也就是PACKAGES那个文件；索引没生成或过期，这个函数会返回空矩阵，后面的差集就永远算不对。真遇到这种情况，先在仓库目录上跑一次tools::write_PACKAGES()重建索引。这一步是我见过最省时间的自检：报错信息经常只说某个底层包缺失，而setdiff会一次性把所有缺的列给你。

2.3 版本对齐：CRAN 与 Bioconductor 混装的自检清单

R 的二进制包在文件名里带构建时的 R 主版本号，用 4.4 去加载为 4.3 编译的二进制包，纯 R 代码的包可能只是警告，含 C++ 的包会直接加载失败并提示built under R version。ropls和mixOmics都含编译代码，属于后者。

常见的做法是把「R 版本 → 包库目录 → 仓库子目录」三者绑成一列，一个 R 版本配一个包目录，升级 R 就换目录，不混用。装完统一自检一遍：

sessionInfo() # 一次性看清 R 版本、平台、已加载包 packageVersion("pls") packageVersion("ropls") packageVersion("mixOmics") # 检查所有已装包的编译版本是否与当前 R 匹配 ip <- installed.packages(lib.loc = "D:/Rlibs/4.3") table(ip[, "Built"])

installed.packages()返回的矩阵里有一列Built，记录包在哪个 R 版本下构建。这一列出现两种不同取值，就说明目录被混用过，后面迟早出问题。sessionInfo()的输出建议在每个分析脚本开头或结尾打印一次，存档比事后回忆靠谱得多。

提示：离线包里如果只有源码包，Windows 上必须先装与 R 主版本严格对应的 Rtools，而且 Rtools 的 bin 目录要进 PATH，否则source安装会在编译阶段停住，报错指向一个和真实原因毫不相干的头文件。

3. PLS 回归：ncomp 定阶、RMSEP 曲线与 VIP 筛选

3.1 为什么这批数据必须用 PLS 而不是普通最小二乘

近红外光谱、色谱指纹、代谢组学矩阵有个共同特征：变量数远大于样本数，而且相邻变量高度相关。401 个波长点、60 个样品，设计矩阵的秩最多 60，普通最小二乘的solve(t(X) %*% X)直接奇异，就算用广义逆硬算出来，系数也会剧烈震荡，换个样本就翻符号。

PLS 的思路是把 X 和 Y 同时投影到低维潜变量空间，投影时最大化两者的协方差。它和主成分回归的差别在于有没有用上 Y：主成分回归只挑 X 方差最大的方向，方差大的方向未必和响应相关；PLS 的每个成分都带着 Y 的信息，因此更少成分就能解释更多响应变异。

选型边界也要说清楚：X 与 Y 的关系强非线性、或者离群样本没清理干净的时候，PLS 出来的前两个成分会被离群点整个拉偏，得分图上就是两三个点孤零零挂在角落。这种情况先做异常样本检测，别指望靠加成分数救回来。

3.2 训练/测试切分与标准化：一张光谱矩阵的建模骨架

用pls包自带的汽油数据走一遍完整骨架，这个数据集是 60 个样品、401 个近红外波长点、响应为辛烷值，结构和工业场景几乎一样。

library(pls) data(gasoline) # 60 样品 × 401 波长 X <- gasoline$NIR # 矩阵：行 = 样品，列 = 波长 Y <- gasoline$octane # 响应：辛烷值 # 固定种子做 7:3 切分，保证任何人重跑结果一致 set.seed(20240501) idx <- sample(nrow(X), size = round(0.7 * nrow(X))) Xtr <- X[idx, ]; Ytr <- Y[idx] Xte <- X[-idx, ]; Yte <- Y[-idx] # 建模：scale = TRUE 对 X 做标准化，Y 只做中心化 m0 <- plsr(Xtr, Ytr, ncomp = 15, scale = TRUE, validation = "none") # 在测试集上按 1..15 个成分分别算 RMSE pred <- drop(predict(m0, comps = 1:15, newdata = Xte)) rmse_te <- sqrt(colMeans((pred - Yte)^2)) round(rmse_te, 3)

plsr的位置参数直接接受矩阵 X 和向量 Y，比写公式接口干净，也不会因为列名里有特殊字符而解析失败。scale = TRUE对 X 逐列标准化，这一步对光谱数据是必须的——不同波长段的吸光度量级差一个数量级，不标准化等于给量级大的波段偷偷加权。ncomp = 15只是先给个上限，后面再定阶。validation = "none"表示这次拟合不算交叉验证，因为后面要在独立测试集上评估。

predict返回的是三维数组（样本 × 响应 × 成分数），drop()把长度为 1 的响应维压掉，得到一个「样本 × 成分」的矩阵，这样colMeans才能按成分逐列算 RMSE。漏掉drop()是最常见的报错来源，colMeans会提示维度不对。

3.3 交叉验证定 ncomp：RMSEP 曲线怎么读、onesigma 怎么用

测试集只能评一次，定阶必须靠交叉验证。pls包内置的 CV 支持随机分段、连续分段和交错分段，光谱数据有采集顺序时选连续分段更保守。

set.seed(20240501) m_cv <- plsr(Xtr, Ytr, ncomp = 15, scale = TRUE, validation = "CV", segments = 10, segment.type = "random", # 有采集顺序时改 "consecutive" jackknife = TRUE) rmsep <- RMSEP(m_cv, estimate = "CV") plot(rmsep, legendpos = "topright") # onesigma：在最小值 + 一个标准误范围内，选成分数最少的模型 n_opt <- selectNcomp(m_cv, method = "onesigma", plot = TRUE) n_opt

segments = 10是折数，样本量在 50 以下时建议降到 5 到 7，否则每折里的样品太少，RMSEP 的方差会大到看不出趋势。segment.type三个取值的取舍："random"适合样本独立的情况，"consecutive"把连续样品成段留出，能暴露随采集时间漂移的问题，"interleaved"是折中方案。jackknife = TRUE会额外算系数的不确定度，后面看哪些波长真的重要时要用。

estimate有两个关键取值："CV"是标准交叉验证误差，"adjCV"是偏差修正版，小样本时后者更稳，两个都画出来对比一下是常规操作。

曲线怎么读：RMSEP 先陡降、到一个最低点、再缓慢回升，最低点对应的成分数就是候选。如果曲线一路下降没有拐点，通常不是「成分越多越好」，而是数据里混了泄漏——比如同一批样品的不同测量被分到了不同折里。selectNcomp的 onesigma 规则是「一个标准误内取最简」，比直接取 argmin 稳健，尤其适合要交付给别人复用的模型。

单次 CV 的随机性不小，我的习惯是外层再套一层重复，换 5 个种子各跑一次 10 折，把n_opt和对应 RMSEP 记下来看分布，稳定落在同一个数上才算定下来。

3.4 载荷与 VIP：把「哪些波长重要」讲清楚

模型能预测还不够，业务方一定要问「哪个波段在起作用」。pls包给出的是回归系数和载荷，变量重要性投影需要自己算，公式本身不复杂。

vip <- function(model, ncomp) { W <- model$loading.weights[, seq_len(ncomp), drop = FALSE] # X 权重 w Q <- model$Yloadings[seq_len(ncomp), 1] # Y 载荷 q T <- model$scores[, seq_len(ncomp), drop = FALSE] # X 得分 t ss <- colSums(T^2) * Q^2 # 各成分解释的方差 w2 <- rowSums(sweep(W^2, 2, ss, "*")) # 按成分加权 sqrt(nrow(W) * w2 / sum(w2)) # 归一到均值平方为 1 } v <- vip(m_cv, ncomp = 6) summary(v) which(v > 1) # 常用阈值 plot(v, type = "h", xlab = "波长序号", ylab = "VIP")

sweep(W^2, 2, ss, "*")是把每个成分的平方权重乘上该成分解释的方差，MARGIN = 2表示按列扫。最后一步除以总和再乘变量数，使所有变量 VIP 的平方均值恰好为 1——这也是「VIP > 1」这个经验阈值的由来，它表示该变量的重要性高于平均水平，不是什么统计检验的临界值。

还有个容易忽略的点：coef(m_cv, ncomp = 6, intercept = TRUE)给出的系数是在标准化尺度上的，要还原到原始波长尺度得自己按scale的center和scale属性反变换，否则报给业务方的系数没法解释。m_cv$scale$sd里存着这组值。

4. PLS-DA 判别：ropls 与 mixOmics 两条路线的取舍

4.1 哑变量编码与判别规则：PLS-DA 到底在拟合什么

把连续的 Y 换成类别指示矩阵，PLS 就变成了 PLS-DA。两类问题时，哑变量是一列 0/1，模型拟合的其实是「属于该类的程度」，判别阈值取 0.5 或者取预测值更大的那一类。多类问题用 one-hot 编码，每个类别一列，判别规则取预测值最大的那一列。

library(ropls) data(sacurine, package = "ropls") # 尿液代谢组学数据，含性别分组 X <- sacurine$dataMatrix Y <- sacurine$sampleMetadata$gender # 手动看一眼哑变量结构，ropls / mixOmics 内部会自动做 Ydum <- model.matrix(~ Y - 1) colnames(Ydum) <- levels(Y) head(Ydum) dim(X)

model.matrix(~ Y - 1)里的-1去掉截距项，得到完整的 one-hot 编码；不去掉的话第一列会被当成基准类而省略，两类问题时看起来一样，多类时就会少一列，后面按列取类别名会错位。

这里必须强调一句：PLS-DA 的得分图非常容易「看起来很漂亮」。哪怕 Y 是随机打乱的，只要成分数给够，两类样本在图上照样能被一条直线分开。这是高维数据的固有性质，不是模型好。所以分类模型的结论不能看得分图，只能看置换检验和独立验证。

4.2 ropls 七行代码：得分图、Q2Y 与置换检验一起出

ropls的优势是把建模、交叉验证、置换检验、诊断图打包在一个函数里，输出的摘要信息密度很高。

mod <- opls( x = X, y = Y, predI = NA, # 预测成分数，NA 表示按 Q2 自动选 orthoI = 0, # 0 = 不做正交过滤，即标准 PLS-DA crossvalI = 7, # 7 折交叉验证 permI = 200, # 200 次置换检验 scaleC = "standard" # 逐变量标准化 ) mod # 打印 R2X / R2Y / Q2Y 及置换 p 值

orthoI是这套接口最容易设错的参数。它控制正交成分的个数：设成NA会启用 OPLS 过滤，把与 Y 无关的变异单独剥离；设成0才是干净的标准 PLS-DA。做方法对比时统一用0，不然你比的是两种不同的模型。

predI = NA让函数按交叉验证的 Q2 自动定阶，也可以直接写死一个整数，方便复现。permI = 200是置换次数，少于 100 时 p 值的分辨率不够，报出来的< 0.01意义有限。

摘要里三个指标要一起看：R2X是模型解释的 X 变异比例，R2Y是解释的 Y 变异比例，Q2Y是交叉验证的预测能力。经验上Q2Y大于 0.5 算有实用价值，0.3 到 0.5 之间只能算趋势，低于 0.3 基本别下结论。置换检验给的是pR2Y和pQ2，两个都小于 0.05 才算站得住。

出图直接调plot，靠typeVc切换图型：

plot(mod, typeVc = "x-score", parAsColFcVn = Y) # 得分图，按分组着色 plot(mod, typeVc = "x-loading") # 载荷图，看变量贡献 plot(mod, typeVc = "outlier") # 样本诊断，找异常点

typeVc = "outlier"这张图值得单独看一眼，横纵轴是样本到模型的距离和残差，落在右上角的样本对模型影响过大，删掉重跑一遍看结论是否还成立，是常规自查步骤。

4.3 mixOmics 的 tune.splsda 与多分类扩展

mixOmics的强项在多组学整合和多分类，单组学判别也能用，接口是另一套逻辑：先调参、再建模、再perf评估。

library(mixOmics) set.seed(20240501) tune_res <- tune.splsda( X, Y, ncomp = 5, validation = "Mfold", folds = 5, dist = "max.dist", nrepeat = 10, progressBar = FALSE ) tune_res$choice.ncomp

dist决定判别时用哪种距离："max.dist"取预测值最大的类，"centroids.dist"比到各类中心的距离，"mahalanobis.dist"考虑协方差结构。三者在样本量小时结论可能不一致，"max.dist"最常用也最稳。nrepeat是重复次数，交叉验证的误差估计靠它压方差，10 次是下限。

定完成分数再建模和评估：

m <- plsda(X, Y, ncomp = 3) perf_m <- perf(m, validation = "Mfold", folds = 5, nrepeat = 20, dist = "max.dist", progressBar = FALSE) perf_m$error.rate plotIndiv(m, comp = c(1, 2), ind.group = TRUE, ellipse = TRUE)

perf_m$error.rate给出的是各成分数下的错误率，注意里面有overall和各类别两档，样本不平衡时只看overall会被多数类带偏，必须逐类看召回率。plotIndiv的ellipse = TRUE画的是置信椭圆，椭圆重叠说明这两个成分分不开，别硬解释。

多分类场景下mixOmics的 one-hot 编码和判别规则是自动处理的，两类时它和ropls的结论通常一致，差别在图的样式和附加指标。选哪个更多是习惯问题：要写方法学部分、需要完整的置换检验和诊断指标，走ropls；要做多组学整合或者多分类比较，走mixOmics。同一个项目里两条路线都跑一遍、看结论是否一致，是我对模型稳定性的最低要求。

4.4 独立测试集与重复双交叉验证：别用训练集准确率交差

训练集上 95% 的准确率在高维组学数据里毫无意义。评估必须至少做一层留出，理想的是嵌套交叉验证：外层留出测试集，内层交叉验证定成分数。

set.seed(7) ho <- sample(nrow(X), round(0.3 * nrow(X))) Xtr <- X[-ho, ]; Ytr <- Y[-ho] Xte <- X[ho, ]; Yte <- Y[ho] m_ho <- plsda(Xtr, Ytr, ncomp = 2) pred_cls <- predict(m_ho, Xte)$MajorityVote$max.dist[, 2] mean(pred_cls == Yte) # 留出集准确率 table(Predicted = pred_cls, Actual = Yte) # 混淆矩阵，逐类看

predict返回的MajorityVote$max.dist是一个「样本 × 成分数」的矩阵，[, 2]取ncomp = 2那一列，列索引必须和建模时的成分数对上——取错列是很隐蔽的错误，准确率会莫名其妙地低一截。

混淆矩阵比总体准确率重要得多。两类各 100 个样本，全判成多数类也能有 50% 的准确率，而混淆矩阵一眼就能看出模型根本没学到少数类。报告里至少给三个数：总体准确率、每类召回率、AUC。样本量允许的话，重复 20 次随机留出、把准确率的分布一起报出来，比单个数字有说服力。

5. 避坑排查：R语言安装包跑 PLS 最常见的五次翻车

5.1 装包报「依赖不可用」，但明明把包装进了仓库

现象：install.packages("ropls", ...)返回dependency 'XXX' is not available，去仓库目录里翻，那个包的文件确实在。

原因：仓库索引PACKAGES文件没生成或者过期。available.packages读的是索引不是文件系统，索引里没有的包，install.packages就当它不存在。离线仓库从别处拷贝过来、或者新加了包没重建索引，都会踩这一条。

解决：在仓库根目录重建索引后再装。

# CRAN 结构：对 contrib 目录重建；Bioconductor 结构同理 tools::write_PACKAGES("D:/R-offline/cran/bin/windows/contrib/4.3", type = "win.binary")

重建完先用nrow(available.packages(...))确认索引里能数出包来，再执行安装。后面我养成了习惯：任何离线仓库接手，第一步先重建索引，再做依赖闭包差集。

5.2 包装完重启就消失，或者报「无法移动临时安装」

现象：当前会话library(pls)正常，重启 R 就提示没有这个包；或者安装过程中途报unable to move temporary installation。

原因有两个，往往同时出现。一是包被装进了临时目录或某个没写进.libPaths的位置，会话结束就失效；二是包目录落在同步盘或被其他进程占用的目录里，安装最后一步的「临时目录改名」被拦下。

解决：路径固定加写成永久配置。

# 固定库路径，写进用户级 .Rprofile，每次启动自动生效 prof <- path.expand("~/.Rprofile") write('.libPaths(c("D:/Rlibs/4.3", .libPaths()))', file = prof, append = TRUE) # 装完立刻验证包确实落在预期目录 find.package("pls")

find.package返回的路径必须以你设的D:/Rlibs/4.3开头，不是的话说明上面某一步没生效。同步盘的问题没法靠代码绕，只能换目录。

5.3 数据里混进因子列，plsr 直接报错

现象：plsr报invalid type (list)，或者底层报NA/NaN/Inf in foreign function call，数据看着干干净净。

原因：从 CSV 读进来的表里带了样本名、批次、组别这些非数值列，或者某一列因为有个"ND"字符串被整体读成了字符型。plsr只吃数值矩阵，遇到因子列的错误信息完全指不到真正的列。

解决：读入后先做数值化清洗，把元数据单独摘出去。

raw <- read.csv("data/spectra.csv", check.names = FALSE, row.names = 1) num_cols <- vapply(raw, is.numeric, logical(1)) X <- as.matrix(raw[, num_cols, drop = FALSE]) meta <- raw[, !num_cols, drop = FALSE] # 分组、批次留在这里 storage.mode(X) <- "double" sum(!is.finite(X)) # 必须是 0，非 0 就说明有 NA / Inf 混进来了

check.names = FALSE保住原始列名，光谱数据的列名常是波长数值，被自动改写成X400之类以后就对不上了。storage.mode强制成双精度，比as.numeric逐列转换省事。sum(!is.finite(X))这一行是我每次读数据必跑的自检，比等到建模时报错省时间。

5.4 ncomp 一路调大，RMSEP 几乎单调下降

现象：交叉验证曲线一路往下走，看不到拐点，训练集 R² 逼近 1，换到测试集误差大得离谱。

原因：要么validation设成了"none"却拿训练残差当评估，要么交叉验证的分段方式让相邻样品泄漏了——同一批样品做了多次测量，随机分段把它们分到了训练折和验证折，模型等于提前看过答案。

解决：改分段策略，并用独立测试集做最终裁决。

# 有重复测量或采集顺序时，按样品来源分组分段更保守 m_cv2 <- plsr(Xtr, Ytr, ncomp = 15, scale = TRUE, validation = "CV", segments = 10, segment.type = "consecutive", # 或按批次手工构造 segments jackknife = TRUE) selectNcomp(m_cv2, method = "onesigma", plot = TRUE)

segment.type = "consecutive"把连续样品成段留出，能挡住一部分泄漏。更严格的做法是自己构造segments参数，把同一来源的样品强制放进同一折。判据很简单：曲线必须有拐点，没有拐点就说明评估环节有问题，不是成分数的问题。

5.5 置换检验 p 值漂亮得不像真的

现象：permI = 200跑完，pR2Y和pQ2都小于 0.01，但Q2Y只有 0.2 出头，两者对不上。

原因：置换次数太少导致 p 值分辨率不够（200 次能报出的最小值就是 0.005 量级）；分组严重不平衡时，置换后的零分布被多数类主导；或者置换时没有保持分层，把本来相关的结构打散了。

解决：加置换次数、做分层置换、换更能反映不平衡的指标。

mod2 <- opls(X, Y, predI = 2, orthoI = 0, crossvalI = 7, permI = 1000, # 提到 1000 次，p 值分辨率到 0.001 scaleC = "standard") mod2

同时把混淆矩阵和 AUC 一起报，不要只给一个 p 值。Q2Y低但 p 值极小，通常说明模型确实抓到了一点点真实信号，但这点信号不足以做预测，结论要写「存在统计关联，预测能力有限」，不能写成「模型有效」。

6. 进阶：把一次 PLS分析 固化成可复现的脚本骨架

临时在控制台里敲出来的模型，过两周自己都复现不了。真正省事的做法是把「读取 → 切分 → 定阶 → 评估 → 落盘」封成一个函数，参数全部显式化

本文还有配套的精品资源，点击获取