Регрессия на главные компоненты (PCR)
Регрессия на главные компоненты сначала сжимает набор коррелированных предикторов в несколько главных компонент — направлений с наибольшей дисперсией — а затем выполняет регрессию отклика на эти компоненты. Отбрасывая направления с малой дисперсией, PCR стабилизирует оценку при наличии мультиколлинеарности и высокой размерности, но ценой выбора компонент без учета отклика.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/ru/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.
- Множественная линейная регрессияСтатистика↔ compare
- Метод частичных наименьших квадратов (PLS)Машинное обучение↔ compare
- Гребневая регрессияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →