ee.Reducer.robustLinearRegression

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.