这张对比图用来比较 PLS 偏最小二乘模型与线性模型的预测效果，评判标准为 RMSE，RMSE 数值越低，代表模型预测性能越好。图内指标分为 PV、PR、ADINT 三大组，每组包含多个子指标，横向坐标代表 RMSE 取值，每个指标用方块标记两种模型对应的 RMSE，ΔRMSE 代表 PLS 相对线性模型的差值。黄色高亮行表示 PLS 的 RMSE 高于线性模型，也就是 PLS 预测效果更差，包括 PV1、PR2、PR4，三者 ΔRMSE 均为正值。其余绝大多数指标的 ΔRMSE 为负值，说明 PLS 模型的 RMSE 更低，预测性能优于线性模型，其中 ADINT 系列指标的 ΔRMSE 负值幅度最大，ADINT4 达到 - 0.052，提升效果最明显；PV、PR 组其余子指标也都体现 PLS 模型性能占优。整体来看，大部分指标场景下 PLS 模型相比普通线性模型能够降低预测误差，仅少数指标线性模型表现更好，不同指标上两种模型的优劣存在明显差异。无论从事计量建模、化学计量学、数据分析方向的科研人员，或是学习 PLS 与线性回归对比分析的学生，都可以借助这张图直观理解两组模型预测误差差异。