পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| প্রভাব নির্ণায়ক (কুকের দূরত্ব, DFFITS, লিভারেজ)× | প্রধান উপাদান বিশ্লেষণ× | |
|---|---|---|
| ক্ষেত্র≠ | পরিসংখ্যান | যন্ত্র শিখন |
| পরিবার≠ | Regression model | Machine learning |
| উদ্ভবের বছর≠ | 1977 | 2002 |
| প্রবর্তক≠ | R. Dennis Cook (Cook's distance); Belsley, Kuh & Welsch (DFFITS, leverage) | Jolliffe, I.T. (textbook); Pearson & Hotelling (origins) |
| ধরন≠ | Regression diagnostic | Unsupervised dimensionality reduction |
| মৌলিক উৎস≠ | Cook, R. D. (1977). Detection of Influential Observations in Linear Regression. Technometrics, 19(1), 15-18. DOI ↗ | Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer. DOI ↗ |
| অপর নাম≠ | Cook's distance, DFFITS, leverage, influential observation detection | Temel Bileşenler Analizi (PCA), PCA, principal components analysis, Karhunen-Loève transform |
| সম্পর্কিত≠ | 5 | 3 |
| সারসংক্ষেপ≠ | Influence diagnostics are a family of post-fit measures that quantify how much each single observation affects a fitted regression. Cook's distance was introduced by R. Dennis Cook in 1977, with leverage and DFFITS formalised by Belsley, Kuh and Welsch in 1980, to flag the observations that most strongly pull the estimated coefficients. | Principal Component Analysis (PCA) is an unsupervised dimensionality-reduction method — given its modern textbook treatment by Ian Jolliffe (2002) — that compresses high-dimensional data into fewer dimensions while preserving the maximum possible variance. It re-expresses correlated variables as a small set of uncorrelated principal components ordered by how much of the data's variation each one captures. |
| ScholarGateডেটাসেট ↗ |
|
|