偏最小二乘法（Partial Least Squares, PLS）是一种多元统计数据分析方法，它结合了模型式方法和认识性方法，能够同时实现回归建模、数据结构简化以及变量间相关性分析。PLS的基本思想是通过最小化误差的平方和来找到最佳函数匹配，从而用最简的方法求得一些绝对不可知的真值。
多因变量对多自变量回归建模：
PLS能够处理多个因变量与多个自变量之间的关系，适用于复杂的多元数据集。
处理多重共线性：
当自变量存在严重的多重相关性时，PLS能够有效地进行回归建模。
数据结构简化：
PLS通过主成分分析（PCA）对数据进行降维，提取最重要的变量。
相关性分析：
PLS同时进行典型相关分析（Canonical Correlation Analysis, CCA），分析两组变量之间的相关性。
应用领域：
PLS广泛应用于化学、生物、医学、经济等多个领域，用于预测建模、质量控制、市场分析等。
PLS的基本步骤包括对矩阵Y和矩阵X的主成分分解，以及对关联矩阵B的计算，以排除众多化学信息共存中相互重叠的信息。