Regresi Komponen Utama (PCR)
Regresi komponen utama pada mulanya memampatkan satu set pemboleh ubah bersandar yang berkorelasi kepada beberapa komponen utama — arah varians terbesar — dan kemudian meragresi respons pada komponen tersebut. Dengan membuang arah varians rendah, PCR menstabilkan anggaran dengan kehadiran multikolineariti dan dimensi tinggi, pada kos memilih komponen tanpa rujukan kepada respons.
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
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/ms/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.
- Regresi Linear BergandaStatistik↔ compare
- Regresi Kuasa Dua Terkecil Separuh (PLS)Pembelajaran Mesin↔ compare
- Regresi RabungPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →