从矩阵理论角度理解偏最小二乘回归,以及在脑科学中(脑影像与行为、基因表达的关系)的应用举例

偏最小二乘法 (PLS) 是一种多元数据驱动的统计技术,旨在提取表示最大大脑行为关联的潜在变量(或潜在成分 latent components [LC])。

从矩阵理论角度理解偏最小二乘回归,以及在脑科学中(脑影像与行为、基因表达的关系)的应用举例

  • 矩阵理论角度理解偏最小二乘回归
  • 偏最小二乘回归如何工作的
  • 脑影像与行为、基因表达的关系举例
  • 偏最小二乘代码实现

矩阵理论角度理解偏最小二乘回归

从矩阵理论角度理解偏最小二乘回归,以及在脑科学中(脑影像与行为、基因表达的关系)的应用举例_第1张图片
从矩阵理论角度理解偏最小二乘回归,以及在脑科学中(脑影像与行为、基因表达的关系)的应用举例_第2张图片

PLS 分析计算如下。 RSFC 和行为数据存储在矩阵(participants * FC value)和(participants * behavioral measures)中。 在对 和 (所有参与者)进行 z 评分后,我们计算了协方差矩阵 :

你可能感兴趣的:(脑网络的图论分析,矩阵,回归,线性代数)