偏最小二乘法是一種數學優化技術，它通過最小化誤差的平方和找到一組數據的最佳函數匹配。用最簡的方法求得一些絕對不可知的真值，而令誤差平方之和為最小。很多其他的優化問題也可通過最小化能量或最大化熵用最小二乘形式表達。那麼偏最小二乘法與最小二乘法有什麼區別？
1、指代不同：（1）偏最小二乘法：夠在自變量存在嚴重多重相關性的條件下進行迴歸建模；允許在樣本點個數少於變量個數的條件下進行迴歸建模。（2）最小二乘法：通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據，並使得這些求得的數據與實際數據之間誤差的平方和為最小。
2、特點不同：（1）偏最小二乘法：在計算方差和協方差時，求和號前面的係數有兩種取法：當樣本點集合是隨機抽取得到時，應該取1/(n-1)；如果不是隨機抽取的，這個係數可取1/n。（2）最小二乘法：可用於曲線擬合。其他一些優化問題也可通過最小化能量或最大化熵用最小二乘法來表達。
3、用法不同（1）偏最小二乘法：在自變量的簡單相關係數矩陣中，有某些自變量的相關係數值較大。迴歸係數的代數符號與專業知識或一般經驗相反；或者，它同該自變量與y的簡單相關係數符號相反。對重要自變量的迴歸係數進行t檢驗，其結果不顯著。（2）最小二乘法：如果預測的變量是連續的，我們稱其為迴歸。迴歸分析中，如果只包括一個自變量和一個因變量，且二者的關係可用一條直線近似表示，這種迴歸分析稱為一元線性迴歸分析。
關於偏最小二乘法與最小二乘法有什麼區別的內容就介紹到這了。
