Прогнозирование непрерывной переменной с помощью регрессии PLS (mixOmics)

Question

Я выполняю регрессию PLS с пакетом mixOmics, но борюсь с частью прогнозирования. Итак, если моя модель с тремя компонентами - pls.res, predict(pls.res, newdata) дает список с predict, variates и B.hat. predict - матрица размером 100x1x3. В документации сказано, что последний размер - это размеры модели. Поскольку мой ответ представляет собой только одномерный вектор, я предполагаю, что размеры модели соответствуют компонентам. Но как я могу получить наиболее точное предсказание Y из модели PLS?

Пример; если я хочу предсказать wt из набора данных mtcars с использованием регрессии PLS:

library("mixOmics")
df <- mtcars
pls.res <- pls(df[,1:5], df$wt, mode = "regression")
pls.pred <- predict(pls.res, df[,1:5])
head(pls.pred)

производит следующий (усеченный) вывод

$predict
, , dim1
                           Y
Mazda RX4           2.857348
Mazda RX4 Wag       2.857348
...

, , dim2
                           Y
Mazda RX4           2.847449
Mazda RX4 Wag       2.847449
...

$variates
                          dim1        dim2
Mazda RX4           -0.8392959 -0.02104679
Mazda RX4 Wag       -0.8392959 -0.02104679
...

$B.hat
, , dim1
              Y
mpg  -0.2161400
cyl   0.1949251
...

, , dim2
                 Y
mpg  -0.4171832787
cyl   0.0002618905
...

$call
predict.mixo_pls(object = pls.res, newdata = df[, 1:5])

, и я не понимаю разницы между ( в данном случае) два измерения $ предсказать