1.8. 交叉分解(Cross decomposition)

交叉分解模块包含两个主要的算法系列：偏最小二乘法（PLS）(the partial least squares)和典型相关分析（CCA）(the canonical correlation analysis).

这些算法系列可用于查找两个多元数据集之间的线性关系：方法fit的参数X和Y都是2D数组。

交叉分解算法可以找到两个矩阵（X和Y）之间的基本关系。它是在这两个空间中，对协方差结构进行建模的潜在变量方法(latent variable approaches)。它尝试将在X空间中找到多维方向，以解释Y空间中的最大多维方差方向。PLS回归尤其适用于，当预测因子的矩阵的变量多于观测值，并且与X之间存在多重共线性(multicollinearity)时的情况。相反，在这些情况下，标准回归算法在这些问题上将会失败。

此模块包含的类有PLSRegression，PLSCanonical，CCA和PLSSVD。

参考文献：

• JA Wegelin A survey of Partial Least Squares (PLS) methods, with emphasis on the two-block case

案例：

• 交叉分解方法的比较

©2007-2019，scikit-learn开发人员（BSD许可证）。 显示此页面源码

未经允许不得转载：PythonOK » 1.8. 交叉分解(Cross decomposition)