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
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
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