आंशिक न्यूनतम वर्ग समाश्रयण (पीएलएस)
आंशिक न्यूनतम वर्ग समाश्रयण कई, अक्सर अत्यधिक संरेखित भविष्यवक्ताओं से एक प्रतिक्रिया की भविष्यवाणी करता है, उन्हें छोटे सेट के अव्यक्त घटकों पर प्रक्षेपित करके — लेकिन, प्रमुख घटक समाश्रयण के विपरीत, यह उन घटकों को चुनता है जो भविष्यवक्ताओं के प्रसरण को अधिकतम करने के बजाय प्रतिक्रिया के साथ उनके सहप्रसरण को अधिकतम करते हैं। यह पर्यवेक्षित आयाम न्यूनीकरण पीएलएस को केमोमेट्रिक्स, स्पेक्ट्रोस्कोपी और अन्य विस्तृत-डेटा सेटिंग्स में एक कार्यप्रणाली बनाता है जहाँ भविष्यवक्ता अवलोकन से कहीं अधिक होते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/hi/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.
- बहुचर रैखिक प्रतिगमनसांख्यिकी↔ compare
- प्रिंसिपल कंपोनेंट्स रिग्रेशन (PCR)मशीन अधिगम↔ compare
- रिज रिग्रेशनमशीन अधिगम↔ compare