一种基于Bagging　PLS和PCA的降维方法属于模式识别领域，具体为一种基于Bagging　Partial　Least　Squares(Bagging偏最小二乘,　Bagging　PLS)和Principal　Component　Analysis(主成分分析，PCA)的降维方法。根据原始数据集生成子训练集并求得PLS回归系数向量；把PLS回归系数向量组成的矩阵作为PCA算法的输入以生成最终的Principal　Model　Analysis(主模型分析，PMA)模型。与传统的降维方法PLS,　Bagging　PLS，LDA(Linear　discriminant　analysis)和PLS‑LDA相比，PMA在UCI中常规高维数据集，小样本、不平衡高维数据集和Raman光谱高维数据集上进行降维，能获得更高的分类准确率，并且性能更稳定。