ee.Reducer.ridgeRegression

এমন একটি রিডিউসার তৈরি করে যা numX ইন্ডিপেন্ডেন্ট ভেরিয়েবল (কনস্ট্যান্ট অন্তর্ভুক্ত নয়) সহ একটি রিজ রিগ্রেশন গণনা করে, তারপরে numY ডিপেন্ডেন্ট ভেরিয়েবল গণনা করে। রিজ রিগ্রেশন হল Tikhonov রেগুলেশনের একটি ফর্ম যা রিগ্রেশন কো-এফিসিয়েন্টকে ছোট করে দেয়। এটি কো-এফিসিয়েন্টের সাইজের উপর পেনাল্টি ইম্পোজ করে। রিজ রিগ্রেশনের এই প্রয়োগের ক্ষেত্রে বায়াসের জন্য কোনও কনস্ট্যান্ট ভ্যালু যোগ করার প্রয়োজন নেই।

প্রথম আউটপুট হল ডাইমেনশন (numX + 1, numY) সহ কোএফিসিয়েন্ট অ্যারে; প্রতিটি কলামে সংশ্লিষ্ট নির্ভরশীল ভেরিয়েবলের কোএফিসিয়েন্ট এবং শেষ কলামে নির্ভরশীল ভেরিয়েবলের ইন্টারসেপ্ট থাকে। অতিরিক্ত আউটপুট হল প্রতিটি নির্ভরশীল ভেরিয়েবলের রেসিডুয়ালের রুট মিন স্কোয়ারের ভেক্টর এবং প্রতিটি নির্ভরশীল ভেরিয়েবলের জন্য p-ভ্যালুর ভেক্টর। সিস্টেমের মান নির্ধারণ করা না গেলে আউটপুট শূন্য হয়, যেমন, ইনপুটের সংখ্যা numX + 1-এর থেকে কম হলে।

ব্যবহার	রিটার্ন
ee.Reducer.ridgeRegression(numX, numY, lambda)	রিডিউসার

আর্গুমেন্ট	ধরন	বিবরণ
numX	পূর্ণসংখ্যা	রিগ্রেশন করা হচ্ছে এমন ইন্ডিপেন্ডেন্ট ভেরিয়েবলের সংখ্যা।
numY	পূর্ণসংখ্যা, ডিফল্ট: ১	নির্ভরশীল ভেরিয়েবলের সংখ্যা।
lambda	ফ্লোট, ডিফল্ট: ০.১	রেগুলারাইজেশন প্যারামিটার।