La régression des moindres carrés partiels PLS maximise la variance des prédicteurs = 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 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.
Bienvenu, je m’appelle Eric Soupet et je suis l'administrateur du site elodees.com. elodees.com est un état de l'art de l'Intelligence Artificielle et se veut collaboratif, vous pouvez dès à présent proposer du contenu tels que des articles, des événements, des tutoriels, ... alors n'hésitez pas !
