ee.Reducer.linearRegression
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Erstellt eine Reducer-Funktion, mit der eine lineare Regression der kleinsten Quadrate mit numX unabhängigen und numY abhängigen Variablen berechnet wird.
Jedes Eingabetupel enthält Werte für die unabhängigen Variablen, gefolgt von den abhängigen Variablen.
Die erste Ausgabe ist ein Koeffizienten-Array mit den Dimensionen (numX, numY). Jede Spalte enthält die Koeffizienten für die entsprechende abhängige Variable. Die zweite Ausgabe ist ein Vektor des mittleren quadratischen Fehlers der Residuen jeder abhängigen Variablen. Beide Ausgaben sind null, wenn das System unterbestimmt ist, z.B. wenn die Anzahl der Eingaben kleiner oder gleich numX ist.
| Nutzung | Ausgabe |
|---|
ee.Reducer.linearRegression(numX, numY) | Reducer |
| Argument | Typ | Details |
|---|
numX | Ganzzahl | Die Anzahl der Eingabedimensionen. |
numY | Ganzzahl, Standard: 1 | Die Anzahl der Ausgabedimensionen. |
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-26 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-26 (UTC)."],[[["\u003cp\u003eComputes a linear least squares regression with user-defined independent and dependent variables.\u003c/p\u003e\n"],["\u003cp\u003eEach input to the reducer should contain values for independent variables followed by dependent variables.\u003c/p\u003e\n"],["\u003cp\u003eOutputs a coefficients array and a root mean square error vector, or null if the system is underdetermined.\u003c/p\u003e\n"],["\u003cp\u003eThe coefficients array provides coefficients for each dependent variable, organized in columns.\u003c/p\u003e\n"],["\u003cp\u003eThe root mean square error vector quantifies the residual error for each dependent variable.\u003c/p\u003e\n"]]],[],null,["# ee.Reducer.linearRegression\n\nCreates a reducer that computes a linear least squares regression with numX independent variables and numY dependent variables.\n\n\u003cbr /\u003e\n\nEach input tuple will have values for the independent variables followed by the dependent variables.\n\nThe first output is a coefficients array with dimensions (numX, numY); each column contains the coefficients for the corresponding dependent variable. The second output is a vector of the root mean square of the residuals of each dependent variable. Both outputs are null if the system is underdetermined, e.g., the number of inputs is less than or equal to numX.\n\n| Usage | Returns |\n|-----------------------------------------------|---------|\n| `ee.Reducer.linearRegression(numX, `*numY*`)` | Reducer |\n\n| Argument | Type | Details |\n|----------|---------------------|----------------------------------|\n| `numX` | Integer | The number of input dimensions. |\n| `numY` | Integer, default: 1 | The number of output dimensions. |"]]
