Regressió per components principals (PCR)
La regressió per components principals (PCR) primer comprimeix un conjunt de predictors correlacionats en uns pocs components principals —les direccions de màxima variància— i després fa la regressió de la resposta sobre aquests components. En descartar direccions de baixa variància, la PCR estabilitza l'estimació en presència de multicol·linealitat i alta dimensionalitat, al cost de triar components sense referència a la resposta.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/ca/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.
- Regressió lineal múltipleEstadística↔ compare
- Regressió per mínims quadrats parcials (PLS)Aprenentatge automàtic↔ compare
- Regressió RidgeAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →