Főkomponens regresszió (PCR)
A főkomponens regresszió (Principal Components Regression, PCR) először tömöríti az összefüggő prediktorok egy halmazát néhány főkomponensbe – a legnagyobb varianciájú irányokba –, majd a válaszreagálót (response) ezekre a komponensekre regresszálja. Az alacsony varianciájú irányok elvetésével a PCR stabilizálja az becslést a multikollinearitás és a nagy dimenziójú adatok jelenlétében, azzal a költséggel, hogy a komponenseket a válaszreagáló figyelembevétele nélkül választja ki.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/hu/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.
- Többváltozós lineáris regresszióStatisztika↔ compare
- Regresszió parciális legkisebb négyzetes módszerrel (PLS)Gépi tanulás↔ compare
- Ridge RegressionGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →