Partiel mindste kvadraters regression (PLS)
Partiel mindste kvadraters regression (PLS) forudsiger et respons fra mange, ofte stærkt kollineære prædiktorer ved at projicere dem på et lille sæt latente komponenter — men i modsætning til principal components regression vælger den disse komponenter for at maksimere deres kovarians med responsen, ikke blot variansen af prædiktorerne. Denne superviserede dimensionsreduktion gør PLS til et arbejdsredskab inden for kemometri, spektroskopi og andre brede data-indstillinger, hvor prædiktorer langt overstiger antallet af observationer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Wold, S., Sjöström, M., & Eriksson, L. (2001). PLS-regression: a basic tool of chemometrics. Chemometrics and Intelligent Laboratory Systems, 58(2), 109–130. DOI: 10.1016/S0169-7439(01)00155-1 ↗
- Geladi, P., & Kowalski, B. R. (1986). Partial least-squares regression: a tutorial. Analytica Chimica Acta, 185, 1–17. DOI: 10.1016/0003-2670(86)80028-9 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/da/machine-learning/partial-least-squares
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.
- Multipel lineær regressionStatistik↔ compare
- Principal Components Regression (PCR)Maskinlæring↔ compare
- Ridge-regressionMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →