Skip to content

1.8. 交叉分解

校验者:         @peels @qinhanmin2014 翻译者:         @Counting stars

交叉分解模块主要包含两个算法族: 偏最小二乘法(PLS)和典型相关分析(CCA)。

这些算法族具有发现两个多元数据集之间的线性关系的用途: fit method (拟合方法)的参数 XY 都是 2 维数组。

http://sklearn.apachecn.org/cn/0.19.0/_images/sphx_glr_plot_compare_cross_decomposition_0011.png

交叉分解算法能够找到两个矩阵 (X 和 Y) 的基础关系。它们是对在两个空间的协方差结构进行建模的隐变量方法。它们将尝试在X空间中找到多维方向,该方向能够解释Y空间中最大多维方差方向。 PLS回归特别适用于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。相比之下,在这些情况下,标准回归将失败。

包含在此模块中的类有:PLSRegression, PLSCanonical, CCA, PLSSVD

参考资料: * JA Wegelin A survey of Partial Least Squares (PLS) methods, with emphasis on the two-block case

示例:



回到顶部