Machine learning
רגרסיית רכיבים עיקריים (PCR)
רגרסיית רכיבים עיקריים תחילה דוחסת קבוצת מנבאים מתואמים למספר רכיבים עיקריים — הכיוונים של השונות הגדולה ביותר — ולאחר מכן מבצעת רגרסיה של המענה על רכיבים אלו. על ידי השמטת כיוונים בעלי שונות נמוכה, PCR מייצבת את האומדן בנוכחות מולטיקוליניאריות ומימדיות גבוהה, במחיר של בחירת רכיבים ללא התייחסות למענה.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/he/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.
- רגרסיה לינארית מרובהסטטיסטיקה↔ compare
- רגרסיית ריבועים חלקיים (PLS)למידת מכונה↔ compare
- רגרסיית רכסלמידת מכונה↔ compare