Principal Components Regression (PCR)
Principal components regression komprimerer først et sæt korrelerede prædiktorer til få principal components — retningerne med størst varians — og regresserer derefter responsen på disse komponenter. Ved at kassere retninger med lav varians stabiliserer PCR estimering i nærvær af multikollinearitet og høj dimensionalitet, på bekostning af at vælge komponenter uden reference til responsen.
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
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/da/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.
- Multipel lineær regressionStatistik↔ compare
- Partiel mindste kvadraters regression (PLS)Maskinlæring↔ compare
- Ridge-regressionMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →