scikit-learn 交叉分解

交叉分解模塊包含兩大類算法：偏最小二乘法(PLS)和典型相關(guān)分析(CCA)。

這幾類算法對(duì)于尋找兩個(gè)多元數(shù)據(jù)集之間的線性關(guān)系是很有用的：fit方法的X和Y參數(shù)是二維數(shù)組。

交叉分解算法能夠找到兩個(gè)矩陣 (X 和 Y) 的基礎(chǔ)關(guān)系。它們是對(duì)在兩個(gè)空間的協(xié)方差結(jié)構(gòu)進(jìn)行建模的隱變量方法。它們將嘗試在X空間中找到多維方向，該方向能夠解釋Y空間中最大多維方差方向。 PLS回歸特別適用于當(dāng)預(yù)測變量矩陣具有比觀測值更多的變量以及當(dāng)X值存在多重共線性的情況。相比之下，在這些情況下，標(biāo)準(zhǔn)回歸將失敗。

本模塊中包含的類有PLSRegression PLSCanonical, CCA 和 PLSSVD。

參考

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