رگرسیون حداقل مربعات جزئی (PLS)
رگرسیون حداقل مربعات جزئی، با تصویر کردن تعداد زیادی از پیشبینیکنندههای اغلب همخطی بر روی مجموعهای کوچک از مولفههای نهفته، پاسخی را پیشبینی میکند — اما برخلاف رگرسیون مولفههای اصلی، آن مولفهها را برای حداکثر کردن کوواریانسشان با پاسخ انتخاب میکند، نه صرفاً واریانس پیشبینیکنندهها. این کاهش ابعاد تحت نظارت، PLS را به ابزاری کارآمد در شیمیسنجی، طیفسنجی و سایر محیطهای دادهی گسترده که در آنها پیشبینیکنندهها بسیار بیشتر از مشاهدات هستند، تبدیل کرده است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/fa/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.
- رگرسیون خطی چندگانهآمار↔ compare
- رگرسیون مولفههای اصلی (PCR)یادگیری ماشین↔ compare
- رگرسیون ریج (Ridge Regression)یادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →