为什么使用PLS回归时Matlab和scikit-learn的结果不同？

Question

我使用PLSRegression.predict形式sklearn.cross_decomposition和plsregress来自MATLAB（2014a），结果有点不同。我确定我使用了相同的组件和数据。 Matlab总是比scikit-learn表现更好。

的Python：

from sklearn.cross_decomposition import PLSRegression
pls = PLSRegression(n_components=8)
pls.fit(X_train, Y_train)
Y_pred = pls.predict(X_train)

Matlab的：

[XL,YL,XS,YS,BETA,PCTVAR,MSE]=plsregress(X_train , Y_train ,8);
Yfit = [ones(size(X_train,1),1) X_train]*BETA;

Answer 1

我认为scikit-learn使用NIPALS算法进行PLS，而MATLAB使用SIMPLS算法。他们可能会给出略有不同的结果。

请参阅MATLAB中plsregress的文档页面，并在底部参考算法。我没有为NIPALS提供方便的链接，但它是Svante Wold的算法，在互联网上有相当广泛的描述。