ee.Reducer.linearRegression
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Tạo một hàm giảm tính toán hồi quy bình phương tối thiểu tuyến tính với numX biến độc lập và numY biến phụ thuộc.
Mỗi bộ dữ liệu đầu vào sẽ có các giá trị cho biến độc lập, sau đó là biến phụ thuộc.
Đầu ra đầu tiên là một mảng hệ số có kích thước (numX, numY); mỗi cột chứa các hệ số cho biến phụ thuộc tương ứng. Đầu ra thứ hai là một vectơ của căn bậc hai trung bình của phần dư của mỗi biến phụ thuộc. Cả hai đầu ra đều rỗng nếu hệ thống không xác định được, ví dụ: số lượng đầu vào nhỏ hơn hoặc bằng numX.
| Cách sử dụng | Giá trị trả về |
|---|
ee.Reducer.linearRegression(numX, numY) | Bộ giảm tốc |
| Đối số | Loại | Thông tin chi tiết |
|---|
numX | Số nguyên | Số lượng phương diện đầu vào. |
numY | Số nguyên, mặc định: 1 | Số lượng phương diện đầu ra. |
Trừ phi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2025-07-26 UTC.
[null,null,["Cập nhật lần gần đây nhất: 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. |"]]
