Regressione con Componenti Principali (PCR)
La regressione con componenti principali (PCR) comprime innanzitutto un insieme di predittori correlati in poche componenti principali — le direzioni di massima varianza — e quindi esegue la regressione della risposta su tali componenti. Scartando le direzioni a bassa varianza, la PCR stabilizza la stima in presenza di multicollinearità e alta dimensionalità, al costo della scelta delle componenti senza riferimento alla risposta.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/it/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.
- Regressione Lineare MultiplaStatistica↔ compare
- Regressione ai Minimi Quadrati Parziali (PLS)Apprendimento automatico↔ compare
- Regressione RidgeApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →