偏最小二乘回归法（ PLSR：partial least squares regression)：是一种新型的多元统计数据分析方法，它主要研究的是多 因变量对多自变量的回归建模，特别当各变量内部高度 线性相关时，用偏最小二乘回归法更有效。另外，偏最小二乘回归较好地解决了样本个数少于变量个数等问题。

该代码实现了 Chen 等人中给出的算法。 al 1991。它需要用户的最大容忍度。它从总 M 个回归量中选择 Ms 显着回归量。 不幸的是，训练 RBF 网络后获得的错误并不如预期。 我的代码有错误吗？？？ 请随时修改此代码并将您的建议邮寄给 anshuman0387[at]yahoo[dot]com。 在这方面的任何帮助将不胜感激

针对机理模型难以刻画的热轧精轧生产过程, 采用基于数据子空间的偏最小二乘方法建立热轧轧制力数据模型, 并构建轧制力优化模型, 利用改进的粒子群优化算法对优化模型计算求解. 结果表明, 使用数据驱动方法建立的轧制力数据模型能够揭示精轧过程轧制力的机理规律, 可以替代机理模型在实际系统中的应用. 通过对整体优化模型的求解, 可以提高热轧精轧产品的质量, 降低能源消耗, 表明基于数据驱动的建模和优化方法在实际生产中具有较大的应用价值.

matlab输入函数公式代码varpro2 用于可分离非线性最小二乘优化问题的可变投影算法 VARP2 的相当快速的 MATLAB 实现。 关于 该软件允许您有效地解决最小二乘问题，其中对某些参数的依赖是非线性的，而对其他参数的依赖是线性的。 特别是，这个软件可以让你解决表格的问题 min_{a,B} |X - F(a) B|_F^2 + | R*a |_2^2 其中 X 是大小为 m × n 的数据矩阵，F(a) 是矩阵值函数（维度为 m × l 的矩阵），具有向量输入 a（对 a 的条目的依赖性可能是非线性的），R 是矩阵，B 是 al by n 矩阵。 代码需要的是一个函数，用于评估任何 i 的 F(a) 和 dF(a)/da_i（有关更多详细信息，请参阅代码文档）。 通常情况下，dF(a)/da_i 是一个稀疏矩阵。 在这种情况下，建议返回一个稀疏矩阵。 带有 R 的术语是可选的，可以用标量（对应于 Tikhonov 正则化）或矩阵来指定。 VARP2 算法基于以下会议记录报告： 用于解决非线性最小二乘问题的变量投影算法的扩展和使用，GH Golub 和 RJ LeVeque

该工具箱主要用于商业用Matlab软件包使用。Matlab的工具箱已经在不同的计算机体系结构编译和测试，包括Linux和Windows。大部分函数可以处理的数据集可高达20，000或更多点的数据。LS- SVMlab对Matlab接口包括一个适合初学者的基本版本，以及一个多类编码技术和贝叶斯框架的更先进的版本。

基于最小二乘方法的加速度计标定，包括有关仿真数据生成程序，线性最小二乘方法，非线性最小二乘方法，递推线性最小二乘方法等代码，还有详细的解释

ARMA(p,q)的最小二乘估计 非线性最小二乘估计

用传统最小二乘法及其改进方法进行谐波状态估计时,大都是对谐波进行非同步测量,然后求解一个大型的超定线性方程组,其估计精度不足、计算量大、状态量测量数目多且费用昂贵。提出一种基于同步相量测量的谐波状态估计,并用复数奇异值分解求解病态线性复变量方程组的方法,可在系统状态非完全可观的情况下进行有效估计,降低了对测量冗余的要求。以IEEE30节点系统为例,采用同步测量方法测量支路的谐波电流和节点的谐波电压,分别用Matlab和基于奇异值分解(SVD)的最小二乘估计程序进行仿真。结果表明,用SVD算法对系统进行谐波状态估计时较为准确。

最小二乘B样条曲线和曲面拟合的渐进和迭代逼近

学习系统辨识的作业，最小二乘整批算法，输入为M序列，感兴趣的可以参考下