Nilalaman
- Kahulugan - Ano ang ibig sabihin ng Ordinaryong Least Squares Regression (OLSR)?
- Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
- Ipinaliwanag ng Techopedia ang Ordinary Least Squares Regression (OLSR)
Kahulugan - Ano ang ibig sabihin ng Ordinaryong Least Squares Regression (OLSR)?
Karaniwang hindi bababa sa mga parisukat na regression (OLSR) ay isang pangkalahatang linear na pagmomolde na pamamaraan. Ginagamit ito para sa pagtantya ng lahat ng hindi kilalang mga parameter na kasangkot sa isang linear regression model, ang layunin kung saan ay upang mabawasan ang kabuuan ng mga parisukat ng pagkakaiba ng mga sinusunod na variable at mga paliwanag na variable.
Karaniwang hindi bababa sa mga parisukat na regression ay kilala rin bilang ordinaryong pinakamaliit na mga parisukat o hindi bababa sa mga parisukat na mga error na regresyon.
Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
Ipinaliwanag ng Techopedia ang Ordinary Least Squares Regression (OLSR)
Invented noong 1795 ni Carl Friedrich Gauss, itinuturing itong isa sa mga pinakaunang kilalang pangkalahatang pamamaraan ng paghula. Inilalarawan ng OLSR ang kaugnayan sa pagitan ng isang dependant variable (kung ano ang naglalayong ipaliwanag o hinulaang) at ang isa o higit pang independiyenteng variable (variable na paliwanag). Ang aplikasyon ng OLSR ay matatagpuan sa maraming mga patlang tulad ng sikolohiya, agham panlipunan, gamot, ekonomiya at pananalapi.
Mayroong dalawang mga relasyon na maaaring mangyari: linear at curvilinear. Ang isang guhit na relasyon ay isang tuwid na linya na iguguhit sa pamamagitan ng gitnang pagkahilig ng mga puntos; samantalang ang isang curvilinear na relasyon ay isang hubog na linya. Ang mga ugnayan sa pagitan ng sinabi ng mga variable ay inilalarawan sa pamamagitan ng paggamit ng isang dispersplot. Ang relasyon ay maaaring maging positibo o negatibo, at ang pagkakaiba-iba ng resulta ay naiiba din sa lakas.
Sa isang pangunahing antas, ang OLSR ay madaling maunawaan kahit sa pamamagitan ng mga hindi matematiko, at ang mga solusyon nito ay madaling ma-kahulugan. Ang idinagdag na pagsasaalang-alang nito ay dahil sa pagkakaroon nito sa mga kamakailang built-in na algorithm ng mga computer mula sa linear algebra. Sa gayon maaari itong mabilis na mailalapat sa mga problema sa daan-daang mga independyenteng variable na mahusay na naghahatid ng mga resulta sa sampu-sampung libong mga puntos ng data.
Ang OLSR ay madalas na ginagamit sa econometrics, dahil nagbibigay ito ng pinakamahusay na linear na walang pinapanigan na estima (BLUE) na ibinigay ang mga pagpapalagay na Gauss-Markov. Ang Econometrics ay sangay ng ekonomiya kung saan inilalapat ang mga istatistikong istatistika sa data ng pang-ekonomiya. Nilalayon nitong kunin ang mga simpleng ugnayan sa pamamagitan ng pag-iwas sa umiiral na malaking halaga ng data. Ginagamit din ang statistic algorithm na ito sa pag-aaral ng makina at mahuhulaan na analytics upang pabalikin ang mahulaan ang mga kinalabasan batay sa pabago-bagong pagbabago ng mga variable.