Regresi Kuasa Dua Terkecil Separuh (PLS)
Regresi kuasa dua terkecil separuh (Partial Least Squares Regression, PLS) meramal gerak balas daripada banyak pemboleh ubah bersandar, yang sering kali sangat berkolinearan, dengan memproyeksikannya ke set kecil komponen laten — tetapi, berbeza dengan regresi komponen utama, ia memilih komponen tersebut untuk memaksimumkan kovariansnya dengan gerak balas, bukan sekadar varians pemboleh ubah bersandar. Pengurangan dimensi yang diselia ini menjadikan PLS sebagai kaedah utama dalam kemometrik, spektroskopi, dan tetapan data lebar lain di mana pemboleh ubah bersandar jauh mengatasi pemerhatian.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/ms/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.
- Regresi Linear BergandaStatistik↔ compare
- Regresi Komponen Utama (PCR)Pembelajaran Mesin↔ compare
- Regresi RabungPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →