Die Regression der partiellen kleinsten Quadrate (PLS) ist im historischen Kern eine algorithmische Black-Box-Methode zur Dimensionsreduktion und Vorhersage, die auf einer zugrunde liegenden linearen Beziehung zwischen einer möglicherweise vektorwertigen Antwortvariablen und einer Reihe von Prädiktoren basiert. Durch Hüllkurven wurde viel mehr über die PLS-Regression gelernt, was zu einer Masse an Informationen führt, die eine Hüllkurvenbrücke ermöglicht, die die PLS-Regression von einem Black-Box-Algorithmus zu einem zentralen statistischen Paradigma macht, das auf objektiver Funktionsoptimierung basiert und allgemeiner die angewandten Wissenschaften und die Statistik im Kontext von PLS verbindet. Dieses Buch konzentriert sich auf die Entwicklung dieser Brücke. Es behandelt auch die Verwendung von PLS außerhalb der linearen Regression, einschließlich Diskriminanzanalyse, nichtlineare Regression, verallgemeinerte lineare Modelle und Dimensionsreduktion im Allgemeinen. Hauptmerkmale: Präsentiert die erste brauchbare Methode zur Untersuchung hochdimensionaler Regressionen. â Bietet den notwendigen Hintergrund zu PLS und seiner Herkunft. â R- und Python-Programme stehen für fast alle Methoden zur Verfügung, die im Buch besprochen werden. Dieses Buch kann als Nachschlagewerk und als Lehrveranstaltungsergänzung auf der Masterstufe Statistik und darüber hinaus verwendet werden. Es wird sowohl für Statistiker als auch für angewandte Wissenschaftler von Interesse sein. . Sprache: Englisch