ee.Reducer.linearRegression
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Crée un réducteur qui calcule une régression linéaire des moindres carrés avec numX variables indépendantes et numY variables dépendantes.
Chaque tuple d'entrée aura des valeurs pour les variables indépendantes, suivies des variables dépendantes.
La première sortie est un tableau de coefficients de dimensions (numX, numY). Chaque colonne contient les coefficients de la variable dépendante correspondante. La deuxième sortie est un vecteur de la racine carrée moyenne des résidus de chaque variable dépendante. Les deux sorties sont nulles si le système est sous-déterminé (par exemple, si le nombre d'entrées est inférieur ou égal à numX).
| Utilisation | Renvoie |
|---|
ee.Reducer.linearRegression(numX, numY) | Réducteur |
| Argument | Type | Détails |
|---|
numX | Nombre entier | Nombre de dimensions d'entrée. |
numY | Entier, valeur par défaut : 1 | Nombre de dimensions de sortie. |
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/26 (UTC).
[null,null,["Dernière mise à jour le 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. |"]]
