Partielle Kleinste-Quadrate-Regression (PLS)

Die partielle Kleinste-Quadrate-Regression prognostiziert eine Antwortvariable aus vielen, oft hochgradig kollinearen Prädiktoren, indem sie diese auf einen kleinen Satz latenter Komponenten projiziert – doch im Gegensatz zur Hauptkomponentenregression wählt sie diese Komponenten so, dass deren Kovarianz mit der Antwortvariable maximiert wird, nicht nur die Varianz der Prädiktoren. Diese überwachte Dimensionsreduktion macht PLS zu einem Standardwerkzeug in der Chemometrie, Spektroskopie und anderen „Wide-Data“-Anwendungen, bei denen die Anzahl der Prädiktoren die der Beobachtungen bei Weitem übersteigt.