Pääkomponenttiregressio (PCR)
Pääkomponenttiregressio ensin tiivistää korreloituneiden ennustemuuttujien joukon muutamiksi pääkomponenteiksi – suurimman varianssin suunniksi – ja regressioi sitten vasteen näillä komponenteilla. Hylkäämällä pienivarianssiset suunnat PCR vakauttaa estimointia multikollineaarisuuden ja korkean ulottuvuuden tapauksessa, mutta valitsee komponentit ilman suhdetta vasteeseen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/fi/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.
- Monimuuttujainen lineaarinen regressioTilastotiede↔ compare
- Osittainen pienimmän neliösumman regressio (PLS)Koneoppiminen↔ compare
- HarjanneregressioKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →