原文链接 : http://scikit-learn.org/stable/modules/cross_decomposition.html
译文链接 : http://cwiki.apachecn.org/pages/viewpage.action?pageId=10814394
交叉分解模块包含两个主要的算法系列:偏最小二乘法(PLS)和规范相关分析(CCA)。
这些算法家族具有发现在两个多元数据集之间线性关系的用途:训练方法的X和Y参数是2维数组。
交叉分解算法找到两个矩阵(X和Y)之间的基本关系。它们是潜在的可变方法来建模这两个空间中的协方差结构。他们将尝试在X空间中找到解释Y空间中最大多维方差方向的多维方向。当预测变量矩阵具有比观测值更多的变量,以及当X值存在多重共线性时,PLS回归尤其适用。相比之下,在这些情况下,标准回归将失败。
包括在此模块中的类,并且PLSRegression
PLSCanonical
CCA
PLSSVD
来源:http://cwiki.apachecn.org/pages/viewpage.action?pageId=10814394
备注:若有不懂,请添加群号629470233,有小哥哥,小姐姐的耐心解答幺
参考:
- JA Wegelin 对部分最小二乘法(PLS)方法的调查,重点是两块案例
例子: