۱۳۹۲/۰۲/۰۶, ۰۱:۴۹ ق.ظ
سلام .
یکی از دوستان در مورد برنامه نویسی pls سوال پرسیده بودند .
گاهی در صنعت نیاز داریم که از متغیرهایی استفاده کنیم که قابل کنترل (controllable) یا قابل اندازه گیری به آسانی (easy-to-measure) می باشند (factors) و باید آنها را توضیح بدهیم ، تنظیم کنیم یا رفتار سایر متغیرها (یعنی responses) را بر اساس آنها ، پیش بینی کنیم .
وقتی که تعداد factor ها ، اندک باشد آنگاه به اندازه کافی ، خطی (collinear-هم طراز) نمی باشند و رابطه آنها با response ها ، به طور واضح و خوب تعریف می شود . در این موارد ، multiple linear regression یک روش خوب برای ارتباط دادن factor ها با response ها می باشد (MLR) . اما چنانچه شرایط اینگونه نباشد ، آنگاه MLR دیگر مناسب نیست . اینگونه موارد را ، soft science applications می نامند . در این موارد ، محقق با تعداد زیادی factor سر و کار دارد و روابط به خوبی معلوم نیست . اکنون باید بر اساس آنها یک مدل پیش بینی طراحی شود . Partial least squares روشی برای ساخت یک مدل پیش بینی می باشد (PLS) . بنابراین زمانی که تعداد factor ها زیاد باشد و خیلی خطی (collinear) باشند ، از روش PLS برای ساخت مدل پیش بینی استفاده می کنیم .
هر عملیات صنعتی ممکن است دارای صدها متغیر قابل کنترل (controllable) و ده ها خروجی باشد و بنابراین روش PLS بسیار سودمند خواهد بود .
یکی از دوستان در مورد برنامه نویسی pls سوال پرسیده بودند .
گاهی در صنعت نیاز داریم که از متغیرهایی استفاده کنیم که قابل کنترل (controllable) یا قابل اندازه گیری به آسانی (easy-to-measure) می باشند (factors) و باید آنها را توضیح بدهیم ، تنظیم کنیم یا رفتار سایر متغیرها (یعنی responses) را بر اساس آنها ، پیش بینی کنیم .
وقتی که تعداد factor ها ، اندک باشد آنگاه به اندازه کافی ، خطی (collinear-هم طراز) نمی باشند و رابطه آنها با response ها ، به طور واضح و خوب تعریف می شود . در این موارد ، multiple linear regression یک روش خوب برای ارتباط دادن factor ها با response ها می باشد (MLR) . اما چنانچه شرایط اینگونه نباشد ، آنگاه MLR دیگر مناسب نیست . اینگونه موارد را ، soft science applications می نامند . در این موارد ، محقق با تعداد زیادی factor سر و کار دارد و روابط به خوبی معلوم نیست . اکنون باید بر اساس آنها یک مدل پیش بینی طراحی شود . Partial least squares روشی برای ساخت یک مدل پیش بینی می باشد (PLS) . بنابراین زمانی که تعداد factor ها زیاد باشد و خیلی خطی (collinear) باشند ، از روش PLS برای ساخت مدل پیش بینی استفاده می کنیم .
هر عملیات صنعتی ممکن است دارای صدها متغیر قابل کنترل (controllable) و ده ها خروجی باشد و بنابراین روش PLS بسیار سودمند خواهد بود .