代码拉取完成,页面将自动刷新
同步操作将从 OpenDocCN/sklearn-doc-zh 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
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 X
和 Y
都是 2 维数组。
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:
示例:
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。