प्रिंसिपल कंपोनेंट्स रिग्रेशन (PCR)
प्रिंसिपल कंपोनेंट्स रिग्रेशन पहले सहसंबद्ध प्रेडिक्टर्स के एक सेट को कुछ प्रिंसिपल कंपोनेंट्स में संपीड़ित करता है — जो सबसे बड़े विचरण की दिशाएँ हैं — और फिर उन कंपोनेंट्स पर रिग्रेशन करता है। कम-विचरण वाली दिशाओं को त्याग कर, PCR बहुसंरेखता और उच्च आयामीता की उपस्थिति में अनुमान को स्थिर करता है, लेकिन यह लागत पर कि कंपोनेंट्स को प्रतिक्रिया के संदर्भ के बिना चुना जाता है।
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
- 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
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/hi/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.
- बहुचर रैखिक प्रतिगमनसांख्यिकी↔ compare
- आंशिक न्यूनतम वर्ग समाश्रयण (पीएलएस)मशीन अधिगम↔ compare
- रिज रिग्रेशनमशीन अधिगम↔ compare