Мне нравится моделировать обучение и прогнозировать значения с использованием модели PLS для более чем одной переменной Y, но у меня возникают некоторые проблемы, когда я пробую этот подход в моем коде ниже:
#First simulate some data
set.seed(123)
bands=20
data <- data.frame(matrix(runif(60*bands),ncol=bands))
colnames(data) <- paste0(1:bands)
data$nitrogen <- rpois(60,10)
data$carbon <- rpois(60,10)
#
#Tranning data set
cal_BD<-data[1:50,]
#Validation data set
val_BD<-data[51:60,]
# define explanatory variables (x)
spectra <- cal_BD[,1:20]
#Build PLS model using training data only
mod_pls <- plsr(carbon + nitrogen ~ spectra,
ncomp = 20, data =cal_BD, validation = "LOO", jackknife = TRUE)
summary(mod_pls)
#
#Prediction in validation data set
est_pls<-predict(mod_pls, comps = 20, newdata = val_BD)
est_pls
#
1) Не работает, когда пробую в модели углерод + азот; а также
2) Я хотел бы создать новый фрейм данных с оценочными значениями углерода и азота, используя приведенный ниже код:
val_BD2<-val_BD[,-(21:22)] # remove carbon + nitrogen beccause my goal is predict this values
est_pls<-predict(mod_pls, comps = 20, newdata = val_BD)#Prediction in validation data set (only X's)
final_est_DF<-cbind(val_BD2est_pls[,1],est_pls[,2])
И мой желаемый результат с расчетными значениями углерода и азота и ненаблюдаемыми значениями:
1 2 3 ... carbon nitrogen
51 0.04583117 0.93529980 0.6299731 ... 15.3 8.6
52 0.44220007 0.30122890 0.1838285 ... 10.0 7.1
53 0.79892485 0.06072057 0.8636441 ... 9.0 7.3
54 0.12189926 0.94772694 0.7465680 ... 11.1 6.5
55 0.56094798 0.72059627 0.6682846 ... 10.3 8.4
56 0.20653139 0.14229430 0.6180179 ... 13.9 9.1
...
Это возможно?
