La régression des moindres carrés partiels a été inventée en 1983 par Svante Wold et son père Herman Wold ; on utilise fréquemment l'abréviation anglaise régression PLS (« Partial Least Squares regression » et/ou « Projection to Latent Structure »). La régression PLS maximise la variance des prédicteurs (Xi) = X et maximise la corrélation entre X et la variable à expliquer Y. Cet algorithme emprunte sa démarche à la fois à l'analyse en composantes principales (ACP) et à la régression. Plus précisément, la régression PLS cherche des composantes, appelées variables latentes, liées à X et à Y, servant à exprimer la régression de Y sur ces variables et finalement de Y sur X.

Property Value
dbo:abstract
  • La régression des moindres carrés partiels a été inventée en 1983 par Svante Wold et son père Herman Wold ; on utilise fréquemment l'abréviation anglaise régression PLS (« Partial Least Squares regression » et/ou « Projection to Latent Structure »). La régression PLS maximise la variance des prédicteurs (Xi) = X et maximise la corrélation entre X et la variable à expliquer Y. Cet algorithme emprunte sa démarche à la fois à l'analyse en composantes principales (ACP) et à la régression. Plus précisément, la régression PLS cherche des composantes, appelées variables latentes, liées à X et à Y, servant à exprimer la régression de Y sur ces variables et finalement de Y sur X. (fr)
  • La régression des moindres carrés partiels a été inventée en 1983 par Svante Wold et son père Herman Wold ; on utilise fréquemment l'abréviation anglaise régression PLS (« Partial Least Squares regression » et/ou « Projection to Latent Structure »). La régression PLS maximise la variance des prédicteurs (Xi) = X et maximise la corrélation entre X et la variable à expliquer Y. Cet algorithme emprunte sa démarche à la fois à l'analyse en composantes principales (ACP) et à la régression. Plus précisément, la régression PLS cherche des composantes, appelées variables latentes, liées à X et à Y, servant à exprimer la régression de Y sur ces variables et finalement de Y sur X. (fr)
dbo:discoverer
dbo:thumbnail
dbo:wikiPageExternalLink
dbo:wikiPageID
  • 5108860 (xsd:integer)
dbo:wikiPageLength
  • 12393 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID
  • 177711342 (xsd:integer)
dbo:wikiPageWikiLink
prop-fr:année
  • 1998 (xsd:integer)
  • 2010 (xsd:integer)
prop-fr:colonnes
  • 2.0
prop-fr:consultéLe
  • 2011-05-14 (xsd:date)
  • 2011-12-16 (xsd:date)
prop-fr:group
  • "b" (fr)
  • "b" (fr)
prop-fr:isbn
  • 978 (xsd:integer)
prop-fr:langue
  • fr (fr)
  • fr (fr)
prop-fr:lieu
  • Paris (fr)
  • Paris (fr)
prop-fr:lireEnLigne
prop-fr:nom
  • Tenenhaus (fr)
  • Tufféry (fr)
  • Tenenhaus (fr)
  • Tufféry (fr)
prop-fr:pagesTotales
  • 254 (xsd:integer)
  • 705 (xsd:integer)
prop-fr:prénom
  • Stéphane (fr)
  • Michel (fr)
  • Stéphane (fr)
  • Michel (fr)
prop-fr:sousTitre
  • Théorie et Pratique (fr)
  • l'intelligence des données (fr)
  • Théorie et Pratique (fr)
  • l'intelligence des données (fr)
prop-fr:titre
  • Data Mining et statistique décisionnelle (fr)
  • La régression PLS (fr)
  • Data Mining et statistique décisionnelle (fr)
  • La régression PLS (fr)
prop-fr:wikiPageUsesTemplate
prop-fr:éditeur
  • éditions Technip (fr)
  • éditions Technip (fr)
dct:subject
rdfs:comment
  • La régression des moindres carrés partiels a été inventée en 1983 par Svante Wold et son père Herman Wold ; on utilise fréquemment l'abréviation anglaise régression PLS (« Partial Least Squares regression » et/ou « Projection to Latent Structure »). La régression PLS maximise la variance des prédicteurs (Xi) = X et maximise la corrélation entre X et la variable à expliquer Y. Cet algorithme emprunte sa démarche à la fois à l'analyse en composantes principales (ACP) et à la régression. Plus précisément, la régression PLS cherche des composantes, appelées variables latentes, liées à X et à Y, servant à exprimer la régression de Y sur ces variables et finalement de Y sur X. (fr)
  • La régression des moindres carrés partiels a été inventée en 1983 par Svante Wold et son père Herman Wold ; on utilise fréquemment l'abréviation anglaise régression PLS (« Partial Least Squares regression » et/ou « Projection to Latent Structure »). La régression PLS maximise la variance des prédicteurs (Xi) = X et maximise la corrélation entre X et la variable à expliquer Y. Cet algorithme emprunte sa démarche à la fois à l'analyse en composantes principales (ACP) et à la régression. Plus précisément, la régression PLS cherche des composantes, appelées variables latentes, liées à X et à Y, servant à exprimer la régression de Y sur ces variables et finalement de Y sur X. (fr)
rdfs:label
  • Regresión de mínimos cuadrados parciales (es)
  • Regressió de mínims quadrats parcials (ca)
  • Régression des moindres carrés partiels (fr)
  • Regresión de mínimos cuadrados parciales (es)
  • Regressió de mínims quadrats parcials (ca)
  • Régression des moindres carrés partiels (fr)
rdfs:seeAlso
owl:sameAs
prov:wasDerivedFrom
foaf:depiction
foaf:isPrimaryTopicOf
is dbo:wikiPageDisambiguates of
is dbo:wikiPageRedirects of
is dbo:wikiPageWikiLink of
is oa:hasTarget of
is foaf:primaryTopic of