Anuncio: Todos los proyectos no comerciales registrados para usar Earth Engine antes del
15 de abril de 2025 deben
verificar su elegibilidad no comercial para mantener el acceso a Earth Engine.
ee.Reducer.robustLinearRegression
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Crea un reductor que calcula una regresión de mínimos cuadrados robusta con numX variables independientes y numY variables dependientes, utilizando mínimos cuadrados ponderados de forma iterativa con la función de costo de Talwar. Se considera que un punto es un valor atípico si el RMS de los residuos es mayor que beta.
Cada tupla de entrada tendrá valores para las variables independientes seguidos de las variables dependientes.
El primer resultado es un array de coeficientes con dimensiones (numX, numY); cada columna contiene los coeficientes de la variable dependiente correspondiente. El segundo es un vector de la raíz cuadrada del error cuadrático medio de los residuos de cada variable dependiente. Ambas salidas son nulas si el sistema está subdeterminado, p.ej., la cantidad de entradas es menor que numX.
| Uso | Muestra |
|---|
ee.Reducer.robustLinearRegression(numX, numY, beta) | Reductor |
| Argumento | Tipo | Detalles |
|---|
numX | Número entero | Es la cantidad de dimensiones de entrada. |
numY | Número entero, valor predeterminado: 1 | Cantidad de dimensiones de salida. |
beta | Número de punto flotante, valor predeterminado: nulo | Margen de valores atípicos del error residual. Si es nulo, se calculará un valor predeterminado. |
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-07-26 (UTC)
[null,null,["Última actualización: 2025-07-26 (UTC)"],[[["\u003cp\u003eComputes robust least squares regression using iteratively reweighted least squares with the Talwar cost function, handling outliers based on residual error.\u003c/p\u003e\n"],["\u003cp\u003eAccepts input tuples with independent and dependent variable values, outputting regression coefficients and root mean square residuals.\u003c/p\u003e\n"],["\u003cp\u003eOutputs null if the system is underdetermined (insufficient input data for the number of variables).\u003c/p\u003e\n"],["\u003cp\u003eOffers customization through parameters: \u003ccode\u003enumX\u003c/code\u003e for independent variables, \u003ccode\u003enumY\u003c/code\u003e for dependent variables, and \u003ccode\u003ebeta\u003c/code\u003e for outlier detection threshold.\u003c/p\u003e\n"]]],[],null,["# ee.Reducer.robustLinearRegression\n\nCreates a reducer that computes a robust least squares regression with numX independent variables and numY dependent variables, using iteratively reweighted least squares with the Talwar cost function. A point is considered an outlier if the RMS of residuals is greater than beta.\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 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 numX.\n\n| Usage | Returns |\n|----------------------------------------------------------------|---------|\n| `ee.Reducer.robustLinearRegression(numX, `*numY* `, `*beta*`)` | 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. |\n| `beta` | Float, default: null | Residual error outlier margin. If null, a default value will be computed. |"]]
