lo studio delle relazioni tra più variabili esplicative e più dipendenti spesso richiede l’utilizzo di metodi DRM, i quali si caratterizzano per la sostituzione delle variabili esplicative originali con un minor numero di variabili latenti ortogonali. L’obiettivo del presente lavoro è quello di fornire un’interpretazione di tali metodi in termini di regressione lineare semplice. L’approccio proposto è generalizzato al caso in cui vi sia una sola matrice di variabili esplicative e più matrici di variabili dipendenti.

The Role of Linear Regression in Dimensionality Reduction Methods

AMENTA P;
2003

Abstract

lo studio delle relazioni tra più variabili esplicative e più dipendenti spesso richiede l’utilizzo di metodi DRM, i quali si caratterizzano per la sostituzione delle variabili esplicative originali con un minor numero di variabili latenti ortogonali. L’obiettivo del presente lavoro è quello di fornire un’interpretazione di tali metodi in termini di regressione lineare semplice. L’approccio proposto è generalizzato al caso in cui vi sia una sola matrice di variabili esplicative e più matrici di variabili dipendenti.
Linear Regression; Dimensionality Reduction Methods
File in questo prodotto:
File Dimensione Formato  
The Role of Linear Regression in Dimensionality Reduction Methods.pdf

non disponibili

Licenza: Non specificato
Dimensione 508.41 kB
Formato Adobe PDF
508.41 kB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/20.500.12070/11277
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact