Anúncio: todos os projetos não comerciais registrados para usar o Earth Engine antes de
15 de abril de 2025 precisam
verificar a qualificação não comercial para manter o acesso ao Earth Engine.
ee.Reducer.ridgeRegression
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Cria um redutor que calcula uma regressão de Ridge com numX variáveis independentes (sem incluir a constante) seguidas por numY variáveis dependentes. A regressão de Ridge é uma forma de regularização de Tikhonov que reduz os coeficientes de regressão ao impor uma penalidade ao tamanho deles. Com essa implementação da regressão ridge, NÃO É NECESSÁRIO incluir um valor constante para o viés.
A primeira saída é uma matriz de coeficientes com dimensões (numX + 1, numY). Cada coluna contém os coeficientes da variável dependente correspondente mais o intercepto da variável dependente na última coluna. Outras saídas são um vetor da raiz quadrada média dos resíduos de cada variável dependente e um vetor de valores p para cada variável dependente. As saídas serão nulas se o sistema for indeterminado, por exemplo, se o número de entradas for menor que numX + 1.
| Uso | Retorna |
|---|
ee.Reducer.ridgeRegression(numX, numY, lambda) | Redutor |
| Argumento | Tipo | Detalhes |
|---|
numX | Número inteiro | o número de variáveis independentes que estão sendo regredidas. |
numY | Número inteiro, padrão: 1 | o número de variáveis dependentes. |
lambda | Ponto flutuante, padrão: 0,1 | Parâmetro de regularização. |
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-07-26 UTC.
[null,null,["Última atualização 2025-07-26 UTC."],[[["\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. |"]]
