我了解 NIPALS 算法的工作原理，但是在使用 PLS 进行回归时，如何使用主成分分析准确地建立已知和未知之间的关系。这个想法很清楚，依赖和独立的点都以它们的主要成分的形式表达。之后我无法理解。
PS：我已经阅读了有关它的文字和一些论文，但它们很难理解。这个问题可能听起来微不足道，但请多多包涵。如果我错了，请纠正我。
使用偏最小二乘回归方法如何准确地用自变量表示因变量？
数据挖掘
回归
线性回归
监督学习
降维
偏最小二乘法
2021-10-12 20:42:00
1个回答
本次讲座帮助我了解 PCA：https ://www.youtube.com/watch?v=a9jdQGybYmE
我与您分享的类比直接来自本次讲座：
想象一下，你有一个重物在弹簧上。它可以上下弹跳，因此是一个自由度系统。想象一下，您有三个传感器，它们记录重量在上下弹跳时的 (x,y) 位置。现在您有六个数据向量（来自每个相机的一组 x,y）。PCA 试图推断重量的实际 (x,y) 坐标，因为它仅根据您从相机获得的数据反弹。
这个类比非常粗略，我强烈建议您观看链接的视频。你的问题真的没有简短的答案！
其它你可能感兴趣的问题