Regresija parcijalnih najmanjih kvadrata (PLS)
Regresija parcijalnih najmanjih kvadrata predviđa odgovor iz mnogobrojnih, često visoko kolinearnih prediktora projicirajući ih na mali skup latentnih komponenti — ali, za razliku od regresije glavnih komponenti, ona bira te komponente kako bi maksimalizirala njihovu kovarijancu s odgovorom, a ne samo varijancu prediktora. Ovo nadzirano smanjenje dimenzija čini PLS radnim konjem u kemometriji, spektroskopiji i drugim okruženjima sa širokim podacima gdje prediktori daleko nadmašuju promatranja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/hr/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.
- Višestruka linearna regresijaStatistika↔ compare
- Regresija glavnih komponenti (PCR)Strojno učenje↔ compare
- Ridge RegressionStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →