我有一个用plsr()函数在R中制成的PLS模型（来自软件包pls）；我通过交叉验证选择了正确数量的组件，并且运行良好，R^2_predicted的级别很高（> 0.85，这对我的应用程序来说是相当不错的）。
我试图检查使用PLS回归工具分析相同数据集时，在R下构建的模型是否与Minitab可以得到的模型相同
（菜单状态->回归-> PLS ）。
我正在R和Minitab中使用完全相同的数据集，但无法获得相同的模型：当我使用
比较R模型中的系数时coef(PLS_model, ncomp = N_selected, intercept = TRUE)
使用Minitab（Coefficents表）的输出，我得到了不同的结果。
我尝试了几种算法（kernelpls，simpls，oscorespls，它们都可以在函数plsr()中使用）以及不同的函数（例如pls1_nipals()来自软件包chemometrics），但它们都给出了非常相似的答案，而且都没有关闭Minitab输出。
根据手册，Minitab应该使用NIPALS算法，oscorespls也会这样做。
使用以下语法为软件包pls构建模型：
PLS_model_a = plsr(Y~., data=train_data, n_comp_max=20, validation="LOO", method="kernelpls")
和此软件包“化学计量学” ：
PLS_model_b = pls1_nipals(X, Y, 20,)
以这两种方式生成的模型是相同的，但是对于这两种方式，其系数与Minitab输出有显着差异。请注意，Minitab模型也是R^2_pred高的好模型。
有人试图做同样的比较吗？有什么建议吗？ 感谢您的帮助！