Regresia prin componente principale (PCR)
Regresia prin componente principale comprimă mai întâi un set de predictori corelați în câteva componente principale — direcțiile de varianță maximă — și apoi regresează variabila răspuns pe acele componente. Prin eliminarea direcțiilor cu varianță redusă, PCR stabilizează estimarea în prezența multicoliniarității și a dimensionalității ridicate, cu prețul alegerii componentelor fără referire la răspuns.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/ro/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.
- Regresie Liniară MultiplăStatistică↔ compare
- Regresia prin metoda celor mai mici pătrate parțiale (PLS)Învățare automată↔ compare
- Regresia RidgeÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →