רגרסיית ריבועים חלקיים (PLS)
רגרסיית ריבועים חלקיים (Partial Least Squares Regression, להלן PLS) חוזה משתנה מגיב ממספר רב של מנבאים, שלעיתים קרובים מאוד זה לזה מבחינת קולינאריות, על ידי הקרנתם למערכת קטנה של רכיבים סמויים (latent components) — אך בניגוד לרגרסיית רכיבים עיקריים (Principal Components Regression, להלן PCR), היא בוחרת רכיבים אלה באופן שממקסם את השונות המשותפת (covariance) שלהם עם המשתנה המגיב, ולא רק את השונות של המנבאים. הפחתת ממד מפוקחת זו הופכת את PLS לכלי עבודה מרכזי בכימומטריה, ספקטרוסקופיה והגדרות נתונים רחבות אחרות (wide-data settings) שבהן מספר המנבאים עולה בהרבה על מספר התצפיות.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/he/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.
- רגרסיה לינארית מרובהסטטיסטיקה↔ compare
- רגרסיית רכיבים עיקריים (PCR)למידת מכונה↔ compare
- רגרסיית רכסלמידת מכונה↔ compare