Регресия чрез главни компоненти (PCR)
Регресията чрез главни компоненти първо компресира набор от корелирани предиктори в няколко главни компонента — посоките на най-голяма вариация — и след това регресира отговора спрямо тези компоненти. Като изхвърля посоките с ниска вариация, PCR стабилизира оценката при наличие на мулколинеарност и висока размерност, за сметка на избора на компоненти без връзка с отговора.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Jolliffe, I. T. (1982). A note on the use of principal components in regression. Journal of the Royal Statistical Society: Series C (Applied Statistics), 31(3), 300–303. DOI: 10.2307/2348005 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer. ISBN: 978-0-387-84857-0
Как да цитирате тази страница
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/bg/machine-learning/principal-components-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Множествена линейна регресияСтатистика↔ compare
- Регресия на частичните най-малки квадрати (PLS)Машинно обучение↔ compare
- Регресия с гребен (Ridge Regression)Машинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →