羅逸平，肖翠娥，傅建輝

高維最小二乘投影算法在NIR中的應(yīng)用＊

羅逸平，肖翠娥，傅建輝

（湖南城市學(xué)院 理學(xué)院，湖南 益陽(yáng) 413000）

針對(duì)高維復(fù)雜的近紅外光譜（NIR）數(shù)據(jù)，提出了一種新的基于高維最小二乘投影的變量篩選方法（HOLPPLS）。首先計(jì)算高維最小二乘投影系數(shù)并對(duì)系數(shù)的絕對(duì)值進(jìn)行排序，系數(shù)的絕對(duì)值越大，對(duì)應(yīng)的變量就越重要；然后結(jié)合PLS進(jìn)行變量篩選。HOLPPLS是結(jié)合了高維最小二乘投影和PLS的向前變量選擇算法。實(shí)際數(shù)據(jù)集的實(shí)驗(yàn)分析表明，HOLPPLS能有效提高模型的預(yù)測(cè)性能。

高維最小二乘投影；偏最小二乘；NIR；變量選擇

針對(duì)復(fù)雜的近紅外光譜數(shù)據(jù)含有大量的冗余信息，同時(shí)具有很高的共線性[1]，提出了一種新的基于高維最小二乘投影的偏最小二乘算法（HOLPPLS）。

高維最小二乘投影理論由WANG等2016年提出，他們指出在沒有強(qiáng)相關(guān)假設(shè)的條件下能夠給出可靠的變量選擇，計(jì)算復(fù)雜度較低[2]。

偏最小二乘（Partial Least Squares，PLS）算法由WOLD提出[3]，已經(jīng)成為近紅外光譜數(shù)據(jù)分析的最流行的方法之一。HOLPPLS算法結(jié)合了距離相關(guān)和PLS各自的優(yōu)勢(shì)，實(shí)際的光譜數(shù)據(jù)集的實(shí)驗(yàn)和分析表明，與常用的SRPLS算法比較，HOLPPLS方法的預(yù)測(cè)性能有明顯改進(jìn)。

1 偏最小二乘回歸（PLSR）

PLSR是一種新型的多元統(tǒng)計(jì)數(shù)據(jù)分析方法，能夠有效地解決多維共線性問題，它已廣泛地應(yīng)用在近紅外光譜（NIR）分析中。

設(shè)為和的線性組合，表示得分矩陣；為組合系數(shù)向量；為對(duì)最小二乘回歸系數(shù)向量。于是有下列公式：

=

=+=+=+（1）

式（1）中：為隨機(jī)誤差向量；==[1，2，…，p]t為維的系數(shù)向量。

2 高維最小二乘投影方法（High dimensional ordinary least squares projection，HOLP）

設(shè)光譜數(shù)據(jù)包個(gè)樣本，個(gè)變量，令={1，2，…，p}，j=（1j，2j，…，nj）T（=1，2，…，）。是包含感興趣的屬性的維列向量。表示向量或矩陣的轉(zhuǎn)置。

在多元回歸分析中，經(jīng)?？紤]線性模型=+，=（1，2，…，p）T是回歸系數(shù)向量。高維最小二乘投影方法由XIANG等2016年提出，能夠有效地克服利用相關(guān)性大小來選擇變量的一些不足。高維最小二乘投影方法關(guān)系數(shù)計(jì)算公式為=T（T）-1。有關(guān)高維最小二乘投影方法的理論請(qǐng)參閱文獻(xiàn)[2]。值得注意的是，高維最小二乘投影篩選變量利用了中分量的大小排序，這一思想與使用同因變量的相關(guān)性大小來選擇變量是一致的。

3 高維最小二乘投影的偏最小二乘算法（HOLPPLS）

光譜數(shù)據(jù)往往包含噪聲、背景等無用信息。通常使用的PLS方法在建模時(shí)包含了所有的變量，這些可能會(huì)降低模型的預(yù)測(cè)精度。結(jié)合高維最小二乘投影和PLS的優(yōu)點(diǎn)，提出了一種新變量選擇方法HOLPPLS。

HOLPPLS算法總結(jié)如下：①光譜數(shù)據(jù)矩陣和被標(biāo)準(zhǔn)化。令={1，2，…，p}表示整個(gè)的變量集。②計(jì)算高維最小二乘投影系數(shù)，依次挑選系數(shù)絕對(duì)值最大對(duì)應(yīng)的一個(gè)變量，建立PLSR模型，然后記錄RMSE。這樣得到個(gè)PLSR模型和個(gè)RMSE。③選擇個(gè)RMSE值中最小的那個(gè)對(duì)應(yīng)的變量集，然后在這個(gè)變量集上建立最后的PLS回歸模型。

4 數(shù)據(jù)與結(jié)果討論

選擇一個(gè)實(shí)際的近紅外光Gasoline數(shù)據(jù)集[4]來評(píng)估HOLPPLS算法的性能。作為參考標(biāo)準(zhǔn)，SRPLS（selectivity ratio pls）被用來作比較。

Gasoline數(shù)據(jù)是另一個(gè)近紅外光譜數(shù)據(jù)集，它包含60個(gè)樣本，近紅外譜根據(jù)漫反射度的函數(shù)log（1/R）從900 nm 到1 700 nm 中并以in 2 nm 為間隔測(cè)量出來的，于是一共有401個(gè)變量或波長(zhǎng)（wavelengths）。60個(gè)樣本被隨機(jī)地分成訓(xùn)練集（train set，35）、優(yōu)化集（optimization set，15）和測(cè)試集（test set，15）。

數(shù)據(jù)集Gasoline的預(yù)測(cè)結(jié)果如表1所示。表1描述了Gasoline預(yù)測(cè)的結(jié)果。HOLPPLS方法比SRPLS獲得了更好的預(yù)測(cè)精度，選擇的變量數(shù)也更少。

表1 數(shù)據(jù)集Gasoline的預(yù)測(cè)結(jié)果

MethodsnLVnVarRMSE_OPTRMSEP_TESTThreshold SRPLS102610.1010.3430.012 HOLPPLS81080.0940.3190.036

HOLPPLS和SRPLS選擇的變量與波長(zhǎng)區(qū)間如圖1所示。這些結(jié)果說明采用高維最小二乘投影系數(shù)篩選變量能夠改進(jìn)PLS模型的預(yù)測(cè)性能。HOLPPLS算法是基于R語(yǔ)言（版本3.5.3）編寫的。

5 結(jié)論

利用近來提出的高維最小二乘投影方法，結(jié)合PLS的優(yōu)點(diǎn)，提出了一種新的變量篩選方法HOLPPLS算法。

數(shù)據(jù)實(shí)驗(yàn)表明HOLPPLS算法可以提高變量選擇和模型的預(yù)測(cè)性能。

圖1 SRPLS和HOLPPLS選擇的波長(zhǎng)變量

［1］LIANG Y Z，WU H L，YU R Q.Handbook of analytical chemistry 10 chemmometrics［M］.3rd ed.Beijing：Chemical Industry Press，2016.

［2］XIANG Y W，CHEN L L.High-dimensional ordinary least-squares projection for screening variables［J］.Journal of the Royal Statistical Society B，2016（78）：589-611.

［3］WOLD S，ERIKSSON L.PLS-regression：a basic tool of chemometrics［J］.Chemometrics and Intelligent Laboratory Systems，2001（58）：109-130.

［4］ANDERSEN C M.Variable selection in regression-a tutorial［J］.J Chemometr，2011（24）：728-737.

O657.33

A

10.15913/j.cnki.kjycx.2019.18.037

2095－6835（2019）18－0092－02

湖南省教育廳項(xiàng)目“基于流形學(xué)習(xí)的統(tǒng)計(jì)建模方法在高維譜數(shù)據(jù)中的應(yīng)用研究”（編號(hào)：16C0295）

羅逸平，男，湖南益陽(yáng)人，碩士，講師，主要從事統(tǒng)計(jì)理論、數(shù)據(jù)分析等方面的工作。

〔編輯：嚴(yán)麗琴〕