融入深度学习的偏最小二乘优化方法

偏最小二乘在多元变量分析中得到了广泛的应用。但偏最小二乘方法内部采用主成分分析，不能充分表达数据的非线性特征，对非线性数据的预测精度较低。提出了一种融入深度学习的偏最小二乘优化方法，该方法利用深度学习的稀疏自编码器对特征空间提取非线性结构，将提取的特征成分取代偏最小二乘中的成分，从而形成能适应非线性的模型。分别采用大承气汤、麻杏石甘汤、葛根芩连汤和UCI数据集的数据进行分析处理，实验结果表明，融入深度学习的偏最小二乘优化方法能较好地反映中医药数据的特征。