1.8. 交叉分解 · sklearn中文文檔

# 1.8. 交叉分解校驗者: [@peels](https://github.com/apachecn/scikit-learn-doc-zh) 翻譯者: [@Counting stars](https://github.com/apachecn/scikit-learn-doc-zh) 交叉分解模塊主要包含兩個算法族: 偏最小二乘法（PLS）和典型相關分析（CCA）。這些算法族具有發現兩個多元數據集之間的線性關系的用途： `fit` method （擬合方法）的參數 `X` 和 `Y` 都是 2 維數組。 [![http://sklearn.apachecn.org/cn/0.19.0/_images/sphx_glr_plot_compare_cross_decomposition_0011.png](https://box.kancloud.cn/e9e61b22ad1d1048fedd9c646a548e22_566x377.jpg)](../auto_examples/cross_decomposition/plot_compare_cross_decomposition.html) 交叉分解算法能夠找到兩個矩陣 (X 和 Y) 的基礎關系。它們是對在兩個空間的協方差結構進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回歸特別適用于當預測變量矩陣具有比觀測值更多的變量以及當X值存在多重共線性時。相比之下，在這些情況下，標準回歸將失敗。包含在此模塊中的類有：[`PLSRegression`](generated/sklearn.cross_decomposition.PLSRegression.html#sklearn.cross_decomposition.PLSRegression "sklearn.cross_decomposition.PLSRegression"), [`PLSCanonical`](generated/sklearn.cross_decomposition.PLSCanonical.html#sklearn.cross_decomposition.PLSCanonical "sklearn.cross_decomposition.PLSCanonical"), [`CCA`](generated/sklearn.cross_decomposition.CCA.html#sklearn.cross_decomposition.CCA "sklearn.cross_decomposition.CCA"), [`PLSSVD`](generated/sklearn.cross_decomposition.PLSSVD.html#sklearn.cross_decomposition.PLSSVD "sklearn.cross_decomposition.PLSSVD") 示例: - [Compare cross decomposition methods](../auto_examples/cross_decomposition/plot_compare_cross_decomposition.html#sphx-glr-auto-examples-cross-decomposition-plot-compare-cross-decomposition-py)