Regresija parcijalnih najmanjih kvadrata (PLS)
Regresija parcijalnih najmanjih kvadrata predviđa odziv iz mnogobrojnih, često visoko kolinearnih prediktora projektovanjem na mali skup latentnih komponenti — ali, za razliku od regresije glavnih komponenti, ona bira te komponente tako da maksimizira njihovu kovarijansu sa odzivom, a ne samo varijansu prediktora. Ovo nadgledano smanjenje dimenzija čini PLS radnim konjem u hemometriji, spektroskopiji i drugim širokim domenima podataka gde prediktori daleko nadmašuju opservacije.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/sr/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.
- Višestruka linearna regresijaStatistika↔ compare
- Regresija glavnih komponenti (PCR)Mašinsko učenje↔ compare
- Rigidna regresijaMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →