Question

在过去的几天里，我在R中开发了多个PLS模型，用于光谱数据（波段作为解释变量）和各种植被参数（作为单独的响应变量）。总的来说，数据集由56组成。前28个（训练集）已经用于模型校准，现在我想要做的就是预测tesset中剩余的28个观测值的响应值。然而，出于某种原因，R继续为给定数量的组件返回校准集的拟合值，而不是针对独立测试集的预测。简而言之，这就是模型的样子。

# first simulate some data
set.seed(123)
bands=101
data <- data.frame(matrix(runif(56*bands),ncol=bands))
colnames(data) <- paste0(1:bands)
data$height <- rpois(56,10)
data$fbm <- rpois(56,10)
data$nitrogen <- rpois(56,10)
data$carbon <- rpois(56,10)
data$chl <- rpois(56,10)
data$ID <- 1:56

data <- as.data.frame(data)
caldata <- data[1:28,] # define model training set
valdata <- data[29:56,] # define model testing set

# define explanatory variables (x)
spectra <- caldata[,1:101]

# build PLS model using training data only
library(pls)
refl.pls <- plsr(height ~ spectra, data = caldata, ncomp = 10, validation = 
"LOO", jackknife = TRUE)

然后确定包含3种组分的模型产生最佳性能而没有过度拟合。因此，使用以下命令来预测测试集中28个观测值的值，使用上述校准的PLS模型，包含3个分量：

predict(refl.pls, ncomp = 3, newdata = valdata)

看似输出很明智，我很快发现所有这些代码生成的是PLS模型的校准/训练数据的拟合值，而不是预测。我发现这是因为下面的代码，其中newdata =被省略，产生相同的结果。

predict(refl.pls, ncomp = 3)

肯定有些事情肯定会出错，虽然我似乎无法找出具体的内容。是否有人能够并且愿意帮助我朝着正确的方向前进？

Answer 1

我认为问题在于输入数据的性质。查看与示例一起使用的?plsr和str(yarn)，plsr需要一个非常具体的数据框，我觉得这很难处理。输入数据帧应该有一个矩阵作为其元素之一（在您的情况下，是光谱数据）。我认为以下工作正常（注意我改变了训练集的大小，使其不是原始数据的一半，用于故障排除）：

library("pls")
set.seed(123)
bands=101
spectra = matrix(runif(56*bands),ncol=bands)
DF <- data.frame(spectra = I(spectra),
        height = rpois(56,10),
        fbm = rpois(56,10),
        nitrogen = rpois(56,10),
        carbon = rpois(56,10),
        chl = rpois(56,10),
        ID = 1:56)
class(DF$spectra) <- "matrix" # just to be certain, it was "AsIs"
str(DF)

DF$train <- rep(FALSE, 56)
DF$train[1:20] <- TRUE

refl.pls <- plsr(height ~ spectra, data = DF, ncomp = 10, validation = 
"LOO", jackknife = TRUE, subset = train)

res <- predict(refl.pls, ncomp = 3, newdata = DF[!DF$train,])

请注意，我将光谱数据作为矩阵保存到数据框中，方法是使用等同于I的{{1}}保护它。可能有更标准的方法来做到这一点，但它的工作原理。正如我所说，对我来说，数据框内的矩阵并不完全直观或易于理解。

至于为什么你的版本不能正常工作，我认为最好的解释是，所有内容都需要在传递给AsIs的一个数据框中，以使数据源完全明确。

R中的PLS：预测新观察值会返回Fitted值

1 个答案: