偏最小二乘法優(yōu)化及其在中醫(yī)藥領(lǐng)域的應(yīng)用研究

第1章　緒論 001
第2章　數(shù)據(jù)基本表述 005
2.1　數(shù)據(jù)基本知識 005
2.2　度量中心趨勢 006
2.3　度量離散程度 010
2.4　正態(tài)分布 011
2.5　本章小結(jié) 012
第3章　數(shù)據(jù)常規(guī)預(yù)處理 013
3.1　數(shù)據(jù)清理 013
3.1.1　缺失值處理 013
3.1.2　 噪聲數(shù)據(jù)處理 015
3.2　數(shù)據(jù)標(biāo)準(zhǔn)化 016
3.2.1　數(shù)據(jù)中心化處理 017
3.2.2　數(shù)據(jù)的無量綱化處理 018
3.2.3　標(biāo)準(zhǔn)化處理 018
3.3　本章小結(jié) 019
第4章　線性回歸分析 021
4.1　線性回歸模型 021
4.1.1　一元線性回歸 021
4.1.2　多元線性回歸 022
4.2　小二乘法原理 023
4.2.1　計(jì)算方法的推導(dǎo) 023
4.2.2　總體參數(shù)估計(jì)量的性質(zhì) 027
4.3　多重共線性問題 028
4.3.1　問題的提出 028
4.3.2　多重共線性的影響 029
4.3.3　多重共線性的診斷 031
4.3.4　解決多重共線性的方法 033
4.4　模型效果評價(jià)指標(biāo) 035
4.4.1　測定系數(shù) 035
4.4.2　均方根誤差 037
4.5　本章小結(jié) 038
第5章　偏小二乘線性回歸模型 039
5.1　基本思路與算法原理 039
5.1.1　基本思路 039
5.1.2　算法原理 040
5.1.3　交叉有效性 043
5.2　算法的基本性質(zhì) 044
5.3　主要分析技術(shù) 048
5.3.1　主成分分析 048
5.3.2　典型相關(guān)性分析 051
5.3.3　T2橢圓圖輔助分析 054
5.3.4　變量投影重要性輔助分析技術(shù) 055
5.4　本章小結(jié) 056
第6章　偏小二乘在中醫(yī)藥領(lǐng)域應(yīng)用的思路 057
6.1　中醫(yī)藥實(shí)驗(yàn)數(shù)據(jù) 057
6.1.1　數(shù)據(jù)來源 057
6.1.2　數(shù)據(jù)特點(diǎn) 061
6.2　總體思路與分析策略 061
6.2.1　總體思路與目標(biāo) 061
6.2.2　分析策略 063
6.3　本章小結(jié) 065
第7章　優(yōu)化偏小二乘的數(shù)據(jù)預(yù)處理方法 066
7.1　問題的提出 066
7.2　基于降噪稀疏自編碼器的偏小二乘缺失值處理 067
7.2.1　降噪稀疏自編碼器 067
7.2.2　優(yōu)化模型的建立 070
7.2.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 071
7.3　基于非徑向數(shù)據(jù)包絡(luò)分析的偏小二乘噪聲處理 074
7.3.1　非徑向數(shù)據(jù)包絡(luò)分析 074
7.3.2　優(yōu)化模型的建立 076
7.3.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 080
7.4　本章小結(jié) 083
第8章　優(yōu)化偏小二乘輔助特征選擇研究 084
8.1　問題的提出 084
8.2　特征選擇方法 084
8.2.1　相關(guān)定義 085
8.2.2　特征選擇的過程 086
8.2.3　方法的類型 087
8.3　基于特征相關(guān)的偏小二乘特征選擇 088
8.3.1　基于相關(guān)性的特征選擇方法 088
8.3.2　優(yōu)化模型的建立 089
8.3.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 091
8.4　基于L1正則項(xiàng)的偏小二乘特征選擇 094
8.4.1　LASSO方法 094
8.4.2　優(yōu)化模型的建立 098
8.4.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 102
8.5　基于灰色關(guān)聯(lián)的偏小二乘特征選擇 111
8.5.1　灰色關(guān)聯(lián)分析 111
8.5.2　優(yōu)化模型的建立 112
8.5.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 116
8.6　本章小結(jié) 118
第9章　偏小二乘成分提取的非線性優(yōu)化模型 120
9.1　問題的提出 120
9.2　融合受限玻爾茲曼機(jī)的偏小二乘優(yōu)化模型 121
9.2.1　受限玻爾茲曼機(jī) 121
9.2.2　優(yōu)化模型的建立 124
9.2.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 126
9.3　融合稀疏自編碼器的偏小二乘優(yōu)化模型 129
9.3.1　自編碼器 129
9.3.2　稀疏自編碼器的構(gòu)造 131
9.3.3　優(yōu)化模型的建立 131
9.3.4　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 134
9.4　融合深度置信網(wǎng)絡(luò)的偏小二乘優(yōu)化模型 137
9.4.1　深度置信網(wǎng)絡(luò) 137
9.4.2　優(yōu)化模型的建立 139
9.4.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 141
9.5　本章小結(jié) 144
第10章　偏小二乘回歸的非線性優(yōu)化模型 146
10.1　問題的提出 146
10.2　融合模型樹的偏小二乘優(yōu)化 146
10.2.1　模型樹 147
10.2.2　非線性模型的建立 149
10.2.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 151
10.3　融合隨機(jī)森林的偏小二乘優(yōu)化 154
10.3.1　隨機(jī)森林 154
10.3.2　非線性模型的建立 156
10.3.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 159
10.4　融合softmax的偏小二乘優(yōu)化 162
10.4.1　softmax 162
10.4.2　非線性模型的建立 163
10.4.3　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析 166
10.5　本章小結(jié) 170
第11章　總結(jié)與展望 173
11.1　偏小二乘的優(yōu)勢 173
11.2　偏小二乘的不足 174
11.3　偏小二乘的展望 176
附錄A　專業(yè)術(shù)語 178
附錄B　優(yōu)化偏小二乘的多功能數(shù)據(jù)分析系統(tǒng)使用指南 179
附錄C　中醫(yī)藥實(shí)驗(yàn)數(shù)據(jù)表 202