ee.Reducer.linearRegression
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
यह एक ऐसा रिड्यूसर बनाता है जो numX इंडिपेंडेंट वैरिएबल और numY डिपेंडेंट वैरिएबल के साथ, लीनियर लीस्ट स्क्वेयर रिग्रेशन का हिसाब लगाता है.
हर इनपुट टपल में, इंडिपेंडेंट वैरिएबल की वैल्यू के बाद डिपेंडेंट वैरिएबल की वैल्यू होंगी.
पहला आउटपुट, डाइमेंशन (numX, numY) वाला कोएफ़िशिएंट ऐरे होता है. हर कॉलम में, संबंधित आश्रित वैरिएबल के कोएफ़िशिएंट होते हैं. दूसरा आउटपुट, हर डिपेंडेंट वैरिएबल के रेसिड्यूअल के रूट मीन स्क्वेयर का वेक्टर होता है. अगर सिस्टम में कम जानकारी है, तो दोनों आउटपुट शून्य होते हैं. उदाहरण के लिए, अगर इनपुट की संख्या numX से कम या उसके बराबर है.
| इस्तेमाल | रिटर्न |
|---|
ee.Reducer.linearRegression(numX, numY) | रेड्यूसर |
| आर्ग्यूमेंट | टाइप | विवरण |
|---|
numX | पूर्णांक | इनपुट डाइमेंशन की संख्या. |
numY | पूर्णांक, डिफ़ॉल्ट: 1 | आउटपुट डाइमेंशन की संख्या. |
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया."],[[["\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. |"]]
