PLS（偏最小二乘法）是一種多元統計數據分析方法，於1983年由伍德(S.Wold)和阿巴諾(C.Albano)等人首次提出。它結合了多元線性回歸、主成分分析（PCA）和典型相關分析（CCA）的特點，能夠同時實現這三種分析方法。
在PLS中，自變數和因變數分別在低維空間中進行投影，得到各自的成分向量，然後通過建立這些成分向量之間的線性回歸關係來構建模型。PLS模型不僅能夠克服共線性問題，還強調自變數對因變數變化的解釋作用，去除了對回歸無益的噪聲影響，使模型包含最少的變數數。
PLS分為兩種類型：有監督的PLS-DA（偏最小二乘判別分析）和無監督的PCA。PLS-DA用於處理分類和判別問題，能夠有效地對組間觀察值進行區分，並找到導致組間區別的影響變數。而PCA主要用於數據降維和特徵選擇，它通過計算數據矩陣的協方差矩陣，找到數據的主要成分，並丟棄貢獻較小的成分，以減少變數數量。
PLS分析在基因組學、轉錄組學、蛋白組學及代謝組學等高通量數據分析中非常有用，尤其是在變數之間存在多重相關性、變數多但樣本容量小、異方差等問題時。