ee.Reducer.robustLinearRegression

Erstellt eine Reducer-Funktion, mit der eine robuste Regression der kleinsten Quadrate mit numX unabhängigen und numY abhängigen Variablen berechnet wird. Dabei wird die Methode der iterativ neu gewichteten kleinsten Quadrate mit der Talwar-Kostenfunktion verwendet. Ein Punkt gilt als Ausreißer, wenn der RMS der Residuen größer als Beta ist.

Jedes Eingabetupel enthält Werte für die unabhängigen Variablen, gefolgt von den abhängigen Variablen.

Die erste Ausgabe ist ein Koeffizienten-Array mit den Dimensionen (numX, numY). Jede Spalte enthält die Koeffizienten für die entsprechende abhängige Variable. Der zweite ist ein Vektor des quadratischen Mittelwerts der Residuen jeder abhängigen Variablen. Beide Ausgaben sind null, wenn das System unterbestimmt ist, z.B. wenn die Anzahl der Eingaben kleiner als „numX“ ist.

NutzungAusgabe
ee.Reducer.robustLinearRegression(numX, numY, beta)Reducer
ArgumentTypDetails
numXGanzzahlDie Anzahl der Eingabedimensionen.
numYGanzzahl, Standard: 1Die Anzahl der Ausgabedimensionen.
betaGleitkommazahl, Standardwert: nullGrenze für Ausreißer bei Residualfehlern. Wenn der Wert „null“ ist, wird ein Standardwert berechnet.