Duyuru:
15 Nisan 2025'ten önce Earth Engine'i kullanmak için kaydedilen tüm ticari olmayan projelerin Earth Engine erişimini sürdürmek için
ticari olmayan uygunluğu doğrulaması gerekir.
ee.Reducer.linearRegression
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
numX bağımsız değişkeni ve numY bağımlı değişkeni ile doğrusal en küçük kareler regresyonunu hesaplayan bir azaltıcı oluşturur.
Her giriş demetinde, bağımlı değişkenlerden sonra bağımsız değişkenlerin değerleri yer alır.
İlk çıktı, boyutları (numX, numY) olan bir katsayılar dizisidir. Her sütun, ilgili bağımlı değişkenin katsayılarını içerir. İkinci çıktı, her bağımlı değişkenin artıklarının ortalama karekökünün vektörüdür. Sistem yetersiz belirlenmişse (ör. giriş sayısı numX'ten küçük veya numX'e eşitse) her iki çıkış da boş olur.
| Kullanım | İadeler |
|---|
ee.Reducer.linearRegression(numX, numY) | Azaltıcı |
| Bağımsız Değişken | Tür | Ayrıntılar |
|---|
numX | Tamsayı | Giriş boyutlarının sayısı. |
numY | Tamsayı, varsayılan: 1 | Çıkış boyutlarının sayısı. |
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-07-26 UTC.
[null,null,["Son güncelleme tarihi: 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. |"]]
