Περιεχόμενο
- Ορισμός - Τι σημαίνει η τακτική πτώση των ελαχίστων τετραγώνων (OLSR);
- Εισαγωγή στη Microsoft Azure και το Microsoft Σε αυτό τον οδηγό θα μάθετε τι είναι το cloud computing και πώς η Microsoft Azure μπορεί να σας βοηθήσει να μεταφέρετε και να εκτελέσετε την επιχείρησή σας από το cloud.
- Η Techopedia εξηγεί την τακτική regression των ελαχίστων τετραγώνων (OLSR)
Ορισμός - Τι σημαίνει η τακτική πτώση των ελαχίστων τετραγώνων (OLSR);
Η συνήθης παλινδρόμηση ελαχίστων τετραγώνων (OLSR) είναι μια γενικευμένη τεχνική γραμμικής μοντελοποίησης. Χρησιμοποιείται για την εκτίμηση όλων των άγνωστων παραμέτρων που εμπλέκονται σε ένα μοντέλο γραμμικής παλινδρόμησης, στόχος του οποίου είναι η ελαχιστοποίηση του αθροίσματος των τετραγώνων της διαφοράς των παρατηρούμενων μεταβλητών και των επεξηγηματικών μεταβλητών.
Η συνήθης παλινδρόμηση των ελαχίστων τετραγώνων είναι επίσης γνωστή ως παλινδρόμηση των ελάχιστων τετραγώνων ή των τετραγώνων.
Εισαγωγή στη Microsoft Azure και το Microsoft Σε αυτό τον οδηγό θα μάθετε τι είναι το cloud computing και πώς η Microsoft Azure μπορεί να σας βοηθήσει να μεταφέρετε και να εκτελέσετε την επιχείρησή σας από το cloud.
Η Techopedia εξηγεί την τακτική regression των ελαχίστων τετραγώνων (OLSR)
Επινοηθείσα το 1795 από τον Carl Friedrich Gauss, θεωρείται μία από τις πρώτες γνωστές γενικές μεθόδους πρόβλεψης. Το OLSR περιγράφει τη σχέση μεταξύ μιας εξαρτώμενης μεταβλητής (η οποία αποσκοπεί να εξηγηθεί ή να προβλεφθεί) και μία ή περισσότερες ανεξάρτητες μεταβλητές (ερμηνευτική μεταβλητή). Η εφαρμογή OLSR μπορεί να βρεθεί σε μυριάδες τομείς όπως η ψυχολογία, οι κοινωνικές επιστήμες, η ιατρική, η οικονομία και η χρηματοδότηση.
Υπάρχουν δύο σχέσεις που μπορεί να εμφανιστούν: γραμμικές και καμπυλόγραμμες. Μια γραμμική σχέση είναι μια ευθεία που τραβιέται μέσω της κεντρικής τάσης των σημείων. ενώ μια καμπυλόγραμμη σχέση είναι μια καμπύλη γραμμή. Οι σχέσεις μεταξύ των εν λόγω μεταβλητών απεικονίζονται χρησιμοποιώντας ένα scatterplot. Η σχέση μπορεί να είναι θετική ή αρνητική και η διαφορά αποτελέσματος διαφέρει επίσης σε ισχύ.
Σε ένα βασικό επίπεδο, το OLSR μπορεί εύκολα να γίνει κατανοητό ακόμη και από μη μαθηματικούς και οι λύσεις του θα μπορούσαν εύκολα να ερμηνευτούν. Η προστιθέμενη σημασία του οφείλεται στην προσφορά του με τους ενσωματωμένους αλγορίθμους των πρόσφατων υπολογιστών από τη γραμμική άλγεβρα. Έτσι μπορεί γρήγορα να εφαρμοστεί σε προβλήματα με εκατοντάδες ανεξάρτητες μεταβλητές που αποδίδουν αποτελεσματικά αποτελέσματα σε δεκάδες χιλιάδες σημεία δεδομένων.
Το OLSR χρησιμοποιείται συχνά στην οικονομετρία, καθώς παρέχει τον καλύτερο γραμμικό αμερόληπτο εκτιμητή (BLUE) με βάση τις υποθέσεις του Gauss-Markov. Η οικονομετρία είναι κλάδος οικονομικών, όπου εφαρμόζονται στατιστικές μέθοδοι στα οικονομικά δεδομένα. Σκοπός του είναι να εξάγει απλές σχέσεις, αναλύοντας υπάρχοντα τεράστια ποσά δεδομένων. Αυτός ο στατιστικός αλγόριθμος χρησιμοποιείται επίσης στη μηχανική μάθηση και στις προβλέψεις για την δυναμική πρόβλεψη αποτελεσμάτων με βάση δυναμικά μεταβαλλόμενες μεταβλητές.