数据确认
1. 数值变量表
2. 分类变量表
线性拟合图：粗略表示任意两个数值变量之间的线性关系。 灰色区域为95%置信区间。
3. 更改X轴和Y轴标签
直方图：通过描述某一数值范围内出现的观察值频率，粗略显示一个变量的概率分布。
密度图：显示变量的分布。
直方图
当分箱数为0时，绘图将使用默认分箱数
密度图
数据（一部分）
请在“数据”选项卡中编辑修改数据
10倍交叉验证每次都将数据随机拆分成10倍，所以一次刷新后结果不会完全一样。
R^2
预测的均方误差 (MSEP)
预测的均方根误差 (RMSEP)
结果表明，随着A的增加，训练效果更好（R ^ 2较高，MSEP和RMSEP较低）。
然而，CV结果是不同的。 训练集的效果很好，CV很差，可能发生过拟合并且预测性较差。
在此示例中，我们决定根据MSEP和RMSEP选择三个成分（A = 3）。
1. 预测的Y和残差（Y-预测的Y）
系数
当A >= 2时，选择2个成分显示成分和载荷2D图
在此图中，我绘制了component1和component2的散点图，发现327和332是离群值。
当A >= 2时，选择2个成分显示成分和载荷2D图
本图首次加载需要一些时间。
当A >= 3时，选择3个成分显示成分和载荷3D图
跟踪图例
数据（一部分）
请在“数据”选项卡中编辑修改数据
10倍交叉验证每次都将数据随机拆分成10倍，所以一次刷新后结果不会完全一样。
R^2
预测的均方误差 (MSEP)
预测的均方根误差 (RMSEP)
因为我们选择了多个因变量（Y），每个Y的结果分别表示。
R^2优于PCR，因为PLSR从Y和X生成新变量。 Y描述的方差（％）也高于PCR。
Y的预测值
残差（Y-预测的Y）
系数
当A >= 2时，选择2个成分显示成分和载荷2D图
在此图中，我绘制了component1和component2的散点图，发现327和332是离群值。
当A >= 2时，选择2个成分显示成分和载荷2D图
本图首次加载需要一些时间。
当A >= 3时，选择3个成分显示成分和载荷3D图
跟踪图例
从以下范围中选择最佳参数。
交叉验证将根据最小误差选择参数，给出参数选择的建议。
请在“数据”选项卡中编辑修改数据
选择的变量
Y的预测值
该图显示了由于选择变量而导致的系数变化。
系数
这是根据所选变量派生的成分
说明当A >= 2时，选择2个成分显示成分和载荷2D图
在此图中，我绘制了component1和component2的散点图，发现378是离群值。
是根据所选变量得出的负载
说明
这是根据所选变量得出的负载
说明当A >= 2时，选择2个成分显示成分和载荷2D图
本图首次加载需要一些时间。
当A >= 3时，选择3个成分显示成分和载荷3D图
x y z must be different
跟踪图例