.png){kind=icon}
返回
Current multiblock methods: Competition or complementarity? A comparative study in a unified framework
.png){kind=icon}
PRE
AI
DOI：10.1016/j.chemolab.2018.09.003.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们解决了探索问题-关于多元回归模型 (s) 或简单的成对链接-在相同观测值上测量的变量块之间的关系。多块方法在过去的二十年中已经发展，并且现在越来越频繁地使用，尤其是对于高维数据。我们重点研究了三种当前的方法: 正则化广义结构化成分分析 (rGSCA)，正则化广义典型相关分析 (rGCCA) 和主题模型探索 (THEME)。这些方法在常见的正式设置中被重写，并针对两个问题进行比较: 它们如何探索块关系，以及它们如何将信息与噪声分开。多块方法应用于模拟数据和与化学框架有关的真实数据，以说明它们的差异和互补性。
Keyword:
Component methods
Structural equation
Path-modelling
Multiblock methods
Dimension reduction
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.8
论文数:
4.6K
被引数:
1.2W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容