偏最小二乘回归(PLSR)- 1 概览
2013-10-30 10:04
1741 查看
1. 概览
偏最小二乘算法,因其仅仅利用数据X和Y中部分信息(partial information)来建模,所以得此名字。其总体处理框架体现在下面两图中。建议先看第2部分,对pls算法有初步了解后再看此框架,会有更全面深入的体会。
得到
相关文章推荐
- 偏最小二乘回归(PLSR)- 2 标准算法(NIPALS)
- PLSR(偏最小二乘回归浅析)
- 偏最小二乘回归(PLSR)- 2 标准算法(NIPALS)
- 偏最小二乘回归(PLSR)算法原理
- 应用偏最小二乘回归(PLSR)对NIR光谱与样本中RON含量进行定量分析
- 偏最小二乘回归(PLSR)算法原理
- Python偏最小二乘回归(PLSR)测试
- Diabetes数据集线性回归:最小平方回归
- [详解机器学习篇]详解回归基础方法之最小二乘法曲线拟合
- 线性回归——最小二乘法_实例(二)
- 偏最小二乘回归(Partial Least Squares Regression)笔记
- 最小二乘回归
- 回归-用极大似然估计来解释最小二乘
- Logistic回归Cost函数和J(θ)的推导(二)----梯度下降算法求解最小值
- 机器学习--岭回归与偏最小二乘
- Python实现- 最小 二乘 回归树 RTree
- 回归分析中的参数估计为何是最小二乘法(least squares),不是最小一乘法(least absolute deviations)
- 偏最小二乘回归(PLS)的MATLAB实现
- 最小二乘法-多元元回归证明
- 模式识别之线性回归---最小二乘和线性回归