Principal Components Regression (PCR)
Principal components regression komprimerar först en uppsättning korrelerade prediktorer till några få huvudkomponenter — riktningarna med störst varians — och regredierar sedan svaret på dessa komponenter. Genom att förkasta riktningar med låg varians stabiliserar PCR estimeringen i närvaro av multikollinearitet och hög dimensionalitet, till priset av att välja komponenter utan hänvisning till svaret.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/sv/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.
- Multipel linjär regressionStatistik↔ compare
- Partial Least Squares Regression (PLS)Maskininlärning↔ compare
- Ridge RegressionMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →