- PLS ดึงปัจจัยแฝงที่ทำให้ความแปรปรวนร่วมระหว่างตัวแปรอธิบายและตัวแปรเป้าหมายสูงสุด แล้วใช้ปัจจัยเหล่านั้นในการถดถอย จึงเป็นการลดมิติที่มีผู้สอน
- ต่างจาก PCA ที่สนใจเฉพาะตัวแปรอธิบาย PLS เรียนรู้แกนที่สะท้อนเป้าหมาย จึงลดมิติได้โดยไม่เสียสมรรถนะการพยากรณ์
- การเลือกจำนวนปัจจัยแฝงให้เหมาะช่วยแก้ปัญหาความสัมพันธ์เชิงเส้นพหุคูณที่รุนแรงได้
- เมื่อดู loading plots จะเห็นได้ว่าฟีเจอร์ใดรวมตัวกันเพื่อมีผลกับเป้าหมาย ทำให้อธิบายแก่ผู้ใช้งานได้ง่าย
ภาพรวมเชิงสัญชาติญาณ #
การถดถอยด้วยองค์ประกอบหลักเลือกแกนจากความแปรปรวนของตัวอธิบายเพียงอย่างเดียว จึงเสี่ยงทิ้งทิศทางที่ช่วยทำนาย PLS จึงสร้างปัจจัยแฝงโดยดูทั้งตัวอธิบายและเป้าหมายพร้อมกัน แล้วทำการถดถอยบนปัจจัยเหล่านี้ ทำให้ใช้ปัจจัยเพียงไม่กี่ตัวแต่ยังคงคุณภาพการทำนาย
สูตรสำคัญ #
ให้เมทริกซ์ตัวอธิบาย \(\mathbf{X}\) และเวกเตอร์เป้าหมาย \(\mathbf{y}\) เราอัปเดตคะแนนแฝง \(\mathbf{t} = \mathbf{X}\mathbf{w}\) และ \(\mathbf{u} = \mathbf{y} c\) สลับกันเพื่อเพิ่มความแปรปรวนร่วม \(\mathbf{t}^\top \mathbf{u}\) ให้สูงสุด ทำซ้ำหลายรอบเพื่อได้ปัจจัยแฝงหลายตัว แล้วทำการถดถอยเชิงเส้นบนปัจจัยเหล่านี้ หากใช้ \(k\) ปัจจัย สมการพยากรณ์จะมีรูป
$$ \hat{y} = \mathbf{t}\boldsymbol{b} + b_0 $$
จำนวนปัจจัยเหมาะสมมักเลือกโดย cross-validation
ทดลองด้วย Python #
โค้ดด้านล่างใช้ชุดข้อมูล Linnerud (ข้อมูลการออกกำลังกาย) เพื่อดูประสิทธิภาพของจำนวนปัจจัยแฝงต่างๆ
from __future__ import annotations
import japanize_matplotlib
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cross_decomposition import PLSRegression
from sklearn.datasets import load_linnerud
from sklearn.model_selection import KFold, cross_val_score
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
def evaluate_pls_latent_factors(
cv_splits: int = 5,
xlabel: str = "Number of latent factors",
ylabel: str = "CV MSE (lower is better)",
label_best: str = "best={k}",
title: str | None = None,
) -> dict[str, object]:
"""Cross-validate PLS regression for different latent factor counts.
Args:
cv_splits: Number of folds for cross-validation.
xlabel: Label for the number-of-factors axis.
ylabel: Label for the cross-validation error axis.
label_best: Format string for the best-factor annotation.
title: Optional plot title.
Returns:
Dictionary with the selected factor count, CV score, and loadings.
"""
japanize_matplotlib.japanize()
data = load_linnerud()
X = data["data"]
y = data["target"][:, 0]
max_components = min(X.shape[1], 6)
components = np.arange(1, max_components + 1)
cv = KFold(n_splits=cv_splits, shuffle=True, random_state=0)
scores = []
pipelines = []
for k in components:
model = Pipeline(
[
("scale", StandardScaler()),
("pls", PLSRegression(n_components=int(k))),
]
)
cv_score = cross_val_score(
model,
X,
y,
cv=cv,
scoring="neg_mean_squared_error",
).mean()
scores.append(cv_score)
pipelines.append(model)
scores_arr = np.array(scores)
best_idx = int(np.argmax(scores_arr))
best_k = int(components[best_idx])
best_mse = float(-scores_arr[best_idx])
best_model = pipelines[best_idx].fit(X, y)
x_loadings = best_model["pls"].x_loadings_
y_loadings = best_model["pls"].y_loadings_
fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(components, -scores_arr, marker="o")
ax.axvline(best_k, color="red", linestyle="--", label=label_best.format(k=best_k))
ax.set_xlabel(xlabel)
ax.set_ylabel(ylabel)
if title:
ax.set_title(title)
ax.legend()
fig.tight_layout()
plt.show()
return {
"best_k": best_k,
"best_mse": best_mse,
"x_loadings": x_loadings,
"y_loadings": y_loadings,
}
metrics = evaluate_pls_latent_factors(
xlabel="จำนวนปัจจัยแฝง",
ylabel="CV MSE (ยิ่งต่ำยิ่งดี)",
label_best="k ที่ดีที่สุด = {k}",
title="เลือกจำนวนปัจจัยแฝงสำหรับ PLS",
)
print(f"จำนวนปัจจัยแฝงที่เหมาะสม: {metrics['best_k']}")
print(f"ค่า CV MSE ที่ดีที่สุด: {metrics['best_mse']:.3f}")
print("โหลดดิงของ X:\n", metrics["x_loadings"])
print("โหลดดิงของ y:\n", metrics["y_loadings"])

วิเคราะห์ผลลัพธ์ #
- CV MSE มักจะลดลงเมื่อเพิ่มจำนวนปัจจัย แล้วเริ่มเพิ่มขึ้นเมื่อเกินจุดที่เหมาะสม สามารถใช้กราฟเพื่อเลือกจุดสมดุล
x_loadings_และy_loadings_แสดงว่าฟีเจอร์ใดมีผลต่อปัจจัยแฝง จึงอธิบายให้ผู้ใช้เข้าใจได้ง่าย- การทำมาตรฐานช่วยให้ฟีเจอร์ต่างสเกลอยู่ร่วมกันบนปัจจัยเดียวได้อย่างสมดุล
เอกสารอ้างอิง #
- Wold, H. (1975). Soft Modelling by Latent Variables: The Non-Linear Iterative Partial Least Squares (NIPALS) Approach. In Perspectives in Probability and Statistics. Academic Press.
- Geladi, P., & Kowalski, B. R. (1986). Partial Least-Squares Regression: A Tutorial. Analytica Chimica Acta, 185, 1 E7.