Machine learning
偏最小二乗回帰（PLS）
偏最小二乗回帰は、多数の、しばしば強く相関する予測変数から応答変数を予測する。これは、それらを少数の潜在成分に射影することによって行われる。しかし、主成分回帰とは異なり、PLSは予測変数の分散だけでなく、応答変数との共分散を最大化するように成分を選択する。この教師あり次元削減により、PLSは化学計測学、分光学、および予測変数が観測数をはるかに超えるその他の広範なデータ設定で広く利用されている。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →