با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
یک کاهنده ایجاد می کند که رگرسیون حداقل مربعات قوی را با متغیرهای مستقل numX و متغیرهای وابسته به numY، با استفاده از حداقل مربعات وزن مجدد تکراری با تابع هزینه Talwar محاسبه می کند. اگر RMS باقیمانده ها از بتا بیشتر باشد، یک نقطه نقطه پرت در نظر گرفته می شود.
هر تاپل ورودی مقادیری برای متغیرهای مستقل و به دنبال آن متغیرهای وابسته خواهد داشت.
اولین خروجی یک آرایه ضرایب با ابعاد (numX، numY) است. هر ستون شامل ضرایب متغیر وابسته مربوطه است. دومی بردار ریشه میانگین مربع باقیمانده هر متغیر وابسته است. هر دو خروجی تهی هستند اگر سیستم تعریف نشده باشد، به عنوان مثال، تعداد ورودی ها کمتر از numX باشد.
تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی."],[[["Computes robust least squares regression using iteratively reweighted least squares with the Talwar cost function, handling outliers based on residual error."],["Accepts input tuples with independent and dependent variable values, outputting regression coefficients and root mean square residuals."],["Outputs null if the system is underdetermined (insufficient input data for the number of variables)."],["Offers customization through parameters: `numX` for independent variables, `numY` for dependent variables, and `beta` for outlier detection threshold."]]],[]]
