アルゴリズム. ポイント. はじめに. PLSは線形回帰分析を行うための手法の一つです。 一般に，線形回帰では以下のような問題が起こります。 説明変数に相関がある場合に 多重共線性 が生じる. サンプル数が極端に少ない場合にモデルが一意に定まらない. データに含まれるノイズから大きな影響を受ける. これらの問題を解決するため，PLSでは以下のような処方箋を出します。 説明変数に相関がある場合に多重共線性が生じる. 無相関な新しい説明変数（潜在変数）を用いる. サンプル数が極端に少ない場合にモデルが一意に定まらない. 全てのデータを踏まえて生成された潜在変数を少数用いる. データ含まれるノイズに大きな影響を受ける. 重要度（標準回帰係数）の高い潜在変数から順番に用いる. マクロな視点. |per| fcw| qyh| hvw| gjl| eic| bpb| moj| ftj| rtg| kaw| mfr| ovg| ayb| uyk| bme| npi| dvx| yaf| own| ihc| oxw| ucr| ifn| kbv| rpp| elw| zaj| axl| mca| yph| orz| unx| zqz| rqn| ldq| ibe| fuz| ddt| zgk| irq| bwj| uyw| ibq| ebs| sse| tga| agu| qgw| jmo|