PLS-DA(Partial Least Squares Discriminant Analysis)，即偏最小二乘法判别分析，是多变量数据分析技术中的判别分析法，经常用来处理分类和判别问题。通过对主成分适当的旋转，PLS-DA可以有效的对组间观察值进行区分，并且能够找到导致组间区别的影响变量。

PLS-DA采用了经典的偏最小二乘回归模型，其响应变量是一组反应统计单元间类别关系的分类信息，是一种有监督的判别分析方法。因无监督的分析方法(PCA)对所有样本不加以区分，即每个样本对模型有着同样的贡献，因此，当样本的组间差异较大，而组内差异较小时，无监督分析方法可以明显区分组间差异；而当样本的组间差异不明晰，而组内差异较大时，无监督分析方法难以发现和区分组间差异。另外，如果组间的差异较小，各组的样本量相差较大，样本量大的那组将会主导模型。有监督的分析(PLS-DA)能够很好的解决无监督分析中遇到的这些问题。

与PCA分析的原理相同，PLS利用偏最小二乘法对数据结构进行投影分析。但PLS与PCA数据有本质的不同，PCA分析方法中只有一个数据集X，所有分析都只是基于这个**的数据集，对应于一个多维空间。而PLS分析是建立在两个数据集X和Y基础上的，因此也就对应地存在两个多维空间，在利用投影方法计算PLS**个主成分后，分别得到X和Y空间的两条轴线以及各个样本点在X和Y空间周上的得分t1、u1。对X和Y数据的关联分析就是将所有样本在X和Y空间**个主成分轴上的得分t1、u1分别作相关分析，可以表示为ui1 = ti1+ri1，i表示不同样本，ri1表示残差。对应的，经过第二个主成分计算可以得到t2、u2,有关系式ui2 = ti2+ri2。