ee.Reducer.robustLinearRegression
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
यह फ़ंक्शन, एक रिड्यूसर बनाता है. यह रिड्यूसर, numX इंडिपेंडेंट वैरिएबल और numY डिपेंडेंट वैरिएबल के साथ, सबसे कम स्क्वेयर रिग्रेशन का हिसाब लगाता है. इसके लिए, यह फ़ंक्शन, Talwar कॉस्ट फ़ंक्शन के साथ-साथ, बार-बार रीवेट किए गए सबसे कम स्क्वेयर का इस्तेमाल करता है. किसी पॉइंट को आउटलायर तब माना जाता है, जब रेसिड्यूअल का आरएमएस, बीटा से ज़्यादा हो.
हर इनपुट टपल में, इंडिपेंडेंट वैरिएबल की वैल्यू के बाद डिपेंडेंट वैरिएबल की वैल्यू होंगी.
पहला आउटपुट, डाइमेंशन (numX, numY) वाला कोएफ़िशिएंट ऐरे होता है. हर कॉलम में, संबंधित आश्रित वैरिएबल के कोएफ़िशिएंट होते हैं. दूसरा, हर डिपेंडेंट वैरिएबल के रेज़िडुअल के रूट मीन स्क्वेयर का वेक्टर होता है. अगर सिस्टम में ज़रूरत से कम इनपुट हैं, तो दोनों आउटपुट शून्य होंगे. उदाहरण के लिए, अगर इनपुट की संख्या, numX से कम है.
| इस्तेमाल | रिटर्न |
|---|
ee.Reducer.robustLinearRegression(numX, numY, beta) | रेड्यूसर |
| आर्ग्यूमेंट | टाइप | विवरण |
|---|
numX | पूर्णांक | इनपुट डाइमेंशन की संख्या. |
numY | पूर्णांक, डिफ़ॉल्ट: 1 | आउटपुट डाइमेंशन की संख्या. |
beta | फ़्लोट, डिफ़ॉल्ट: null | रेज़िडुअल गड़बड़ी का आउटलायर मार्जिन. अगर वैल्यू शून्य है, तो डिफ़ॉल्ट वैल्यू का हिसाब लगाया जाएगा. |
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया."],[[["\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. |"]]
