Die Analyse der partiellen kleinsten Quadrate (partial least squares = PLS) kann zum Aufbau von Vorhersagemodellen angewandt werden, auch wenn die Merkmale sehr wenig korreliert sind. Dies macht die PLS-Methode attraktiv für QSAR-Studien.

Das Ziel der PLS ist es, eine Beziehung zwischen den beiden Matrizen X und Y herzustellen. Der Verlauf ist der folgende: Zuerst werden die Hauptkomponenten für X und Y separat berechnet. Die Scores der Matrix X werden dann dazu benutzt, um in einem Regressionsmodell die Scores von Y vorherzusagen, die dann wiederum benutzt werden können um Y vorherzusagen.

Ein häufig benutzter Algorithmus zum Berechnen von PLS stellt SIMPLS dar. Die Wahl der Anzahl an Hauptkomponenten, die für die Regression benutzt werden, ist in der PLS eine kritische Entscheidung. Ein guter Ansatz dieses Problem zu lösen bietet die Anwendung der Kreuzvalidierung.

BMBF-Leitprojekt Vernetztes Studium - Chemie