إشعار: يجب
إثبات أهلية جميع المشاريع غير التجارية المسجّلة لاستخدام Earth Engine قبل
15 أبريل 2025 من أجل الحفاظ على إمكانية الوصول إلى Earth Engine.
ee.Reducer.ridgeRegression
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تنشئ هذه الدالة أداة تقليل تحسب انحدار الحرف مع numX من المتغيرات المستقلة (باستثناء الثابت) متبوعة بـ numY من المتغيرات التابعة. انحدار الحافة هو شكل من أشكال التسوية التي يفرضها تيخونوف والتي تقلّل معاملات الانحدار من خلال فرض عقوبة على حجمها. مع هذا التنفيذ للانحدار الحدي، لا حاجة إلى تضمين قيمة ثابتة للتحيز.
الناتج الأول هو مصفوفة معاملات ذات أبعاد (numX + 1, numY)؛ يحتوي كل عمود على معاملات المتغير التابع المقابل بالإضافة إلى التقاطع للمتغير التابع في العمود الأخير. المخرجات الإضافية هي متّجه لمتوسط الجذر التربيعي لمتبقيات كل متغيّر تابع ومتّجه لقيم p لكل متغيّر تابع. تكون النتائج فارغة إذا كان النظام غير محدّد، مثلاً، إذا كان عدد المدخلات أقل من numX + 1.
| الاستخدام | المرتجعات |
|---|
ee.Reducer.ridgeRegression(numX, numY, lambda) | Reducer |
| الوسيطة | النوع | التفاصيل |
|---|
numX | عدد صحيح | عدد المتغيرات المستقلة التي يتم تحليل الانحدار لها |
numY | عدد صحيح، القيمة التلقائية: 1 | عدد المتغيّرات التابعة |
lambda | عدد عشري، القيمة التلقائية: 0.1 | مَعلمة التسوية |
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["\u003cp\u003eCreates a reducer for ridge regression, a regularization method that shrinks regression coefficients to prevent overfitting.\u003c/p\u003e\n"],["\u003cp\u003eOutputs include regression coefficients, root mean square of residuals, and p-values for each dependent variable.\u003c/p\u003e\n"],["\u003cp\u003eRequires specifying the number of independent and dependent variables, along with an optional regularization parameter (lambda).\u003c/p\u003e\n"],["\u003cp\u003eThe reducer automatically handles the intercept term, so there's no need to add a constant value for bias.\u003c/p\u003e\n"],["\u003cp\u003eOutputs will be null if the system is underdetermined, meaning there are fewer input data points than independent variables plus one.\u003c/p\u003e\n"]]],[],null,["# ee.Reducer.ridgeRegression\n\nCreates a reducer that computes a ridge regression with numX independent variables (not including constant) followed by numY dependent variables. Ridge regression is a form of Tikhonov regularization which shrinks the regression coefficients by imposing a penalty on their size. With this implementation of ridge regression there NO NEED to include a constant value for bias.\n\n\u003cbr /\u003e\n\nThe first output is a coefficients array with dimensions (numX + 1, numY); each column contains the coefficients for the corresponding dependent variable plus the intercept for the dependent variable in the last column. Additional outputs are a vector of the root mean square of the residuals of each dependent variable and a vector of p-values for each dependent variable. Outputs are null if the system is underdetermined, e.g., the number of inputs is less than numX + 1.\n\n| Usage | Returns |\n|-----------------------------------------------------------|---------|\n| `ee.Reducer.ridgeRegression(numX, `*numY* `, `*lambda*`)` | Reducer |\n\n| Argument | Type | Details |\n|----------|---------------------|------------------------------------------------------|\n| `numX` | Integer | the number of independent variables being regressed. |\n| `numY` | Integer, default: 1 | the number of dependent variables. |\n| `lambda` | Float, default: 0.1 | Regularization parameter. |"]]
