Partial Least Squares
Partial least squares regression predicts a response from many, often highly collinear predictors by projecting them onto a small set of latent components — but, unlike principal components regression, it chooses those components to maximize their covariance with the response, not just the variance of the predictors. This supervised dimension reduction makes PLS a workhorse in chemometrics, spectroscopy, and other wide-data settings where predictors vastly outnumber observations.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.