Регресія на головні компоненти (PCR)
Регресія на головні компоненти спочатку стискає набір корельованих предикторів у кілька головних компонент — напрямки найбільшої дисперсії — а потім регресує відгук на ці компоненти. Відкидаючи напрямки з низькою дисперсією, PCR стабілізує оцінку за наявності мультиколінеарності та високої розмірності, ціною вибору компонентів без урахування відгуку.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/uk/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.
- Множинна лінійна регресіяСтатистика↔ compare
- Регресія методом частенних найменших квадратів (PLS)Машинне навчання↔ compare
- Гребенева регресіяМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →