Regresja z częściowymi najmniejszymi kwadratami (PLS)
Regresja z częściowymi najmniejszymi kwadratami przewiduje odpowiedź na podstawie wielu, często silnie skorelowanych predyktorów, poprzez ich projekcję na niewielki zbiór ukrytych komponentów — ale w przeciwieństwie do regresji metodą głównych składowych, wybiera te komponenty tak, aby zmaksymalizować ich kowariancję z odpowiedzią, a nie tylko wariancję predyktorów. Ta nadzorowana redukcja wymiarowości sprawia, że PLS jest podstawową metodą w chemometrii, spektroskopii i innych zastosowaniach z szerokimi danymi, gdzie predyktorów jest znacznie więcej niż obserwacji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/pl/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.
- Regresja liniowa wielorakaStatystyka↔ compare
- Regresja z wykorzystaniem głównych składowych (PCR)Uczenie maszynowe↔ compare
- Regularyzacja grzbietowa (Ridge Regression)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →