Що таке LINEAR REGRESSION Українською - Українська переклад

• лінійна регресія
• лінійна регресійна
• лінійної регресії
• лінійну регресію
• лінійній регресії

Приклади вживання Linear regression Англійська мовою та їх переклад на Українською

Linear Regression.
Лінійна регресіяFile format.

What is a simple linear regression model?
Коли застосовують найпростішу лінійна регресійна модель?

Linear regression model.
Лінійна регресійна модель.

AICc was originally proposed for linear regression(only) by Sugiura(1978).
ІКАк початково запропонував для лінійної регресії(лише) Sugiura,(1978).

Simple linear regression with one independent variable.
Приклад простої лінійної регресії з однією незалежною змінною.

Mallows's Cp is equivalent to AIC in the case of(Gaussian) linear regression.
Cp Меллоуза є еквівалентом ІКА у випадку(гаусової) лінійної регресії.

Using linear regression.
За допомогою лінійної регресії.

The closer that value is to 1, the more accurate the linear regression model is.
Чим ближче дані до прямої, тим точнішою є лінійна регресійна модель.

In particular linear regression techniques are much more efficient than most non-linear techniques.
Зокрема, лінійна регресія є набагато більш ефективна, ніж більшість нелінійних методів.

(2003) explain how to use sampling methods for Bayesian linear regression.
(2003) пояснюють, як використовувати вибіркові методи для баєсової лінійної регресії.

The author presents the multiple linear regression model of bank consolidated financial statements quality.
Автором запропонована множинна лінійна регресійна модель оцінки якості консолідованої фінансової звітності банків.

The TREND() function calculates a sequence of values based on a linear regression of known value pairs.
Функція TREND() обчислює послідовність значень, що базуються на лінійній регресії відомих пар значень.

At one extreme, a one-variable linear regression is so portable that, if necessary, it could even be done by hand.
Як одна з крайностей, лінійна регресія з однією змінною є настільки переносною, що, за потреби, може навіть здійснюватися вручну.

Let's consider an example: you face the task stating that you have to analyze the data using linear regression.
Розглянемо на прикладі: перед вами стоїть завдання- проаналізувати дані, використовуючи лінійну регресію.

Statistical experiments with persistent linear regression in the Markov random medium.
Статистичні експерименти з наполегливою лінійною регресією в марковському випадковому середовищі.

If Y, B, and U were column vectors, the matrix equation above would represent multiple linear regression.
Якщо Y, B і U були б вектор-стовпчиками, то матричне рівняння, що наведене вище представлятиме множинну лінійну регресію.

In this course, you will explore regularized linear regression models for the task of prediction and feature selection.
У цьому курсі ви будете вивчати регуляризоване моделі лінійної регресії для вирішення завдання прогнозування та відбору ознак.

The Deming regression is only slightly more difficult to compute compared to the simple linear regression.
Регресію Демінга лише трохи складніше обчислити в порівнянні з простою лінійною регресією.

Using multiple linear regression model with stepwise selection of predictors links between established of low flow and drought are established.
За допомогою моделі множинної лінійної регресії з покроковим вибором предикторів установлені зв'язки між показниками меженного стоку та посух.

Some models assume a special form such as a linear regression or neural network.
Деякі моделі передбачають спеціальну форму, такі як лінійна регресія або нейронної мережі.

The concept of“feature” is related to that of an explanatory variable used in statistical techniques such as linear regression.
Поняття«ознака» пов'язане з поняттям описової змінної, що використовується в таких статистичних методиках як лінійна регресія.

In linear regression, data is modeled using linear functions, and unknown model parameters are estimated from the data.
При використанні лінійної регресії взаємозв'язок між даними моделюється за допомогою лінійних функцій, а невідомі параметри моделі оцінюються за вхідними даними.

So if Y, B, and U represent column vectors, the matrix equation above will portray a multiple linear regression.
Якщо Y, B і U були б вектор-стовпчиками, то матричне рівняння, що наведене вище представлятиме множинну лінійну регресію.

Then the more efficient linear regression can be used to predict q using c thus selecting the non-zero values in A and estimating their values.
Тоді тим більше ефективна лінійна регресія може бути використана для передбачення д з використанням C, таким чином, вибираючи ненульові значення в А і оцінки їх значень.

The MDL principle has been applied in communication-coding theory in information theory, in linear regression, and in data mining.
Принцип МДО застосовувався в комунікаційній теорії кодування в теорії інформації, в лінійній регресії та добуванні даних.

Backpropagation Linear regression Perceptron Quadratic classifier Support vector machines Winnow(algorithm) Guo-Xun Yuan; Chia-Hua Ho; Chih-Jen Lin(2012).
Зворотне поширення Лінійна регресія Перцептрон Квадратичний класифікатор Опорно-векторні машини Winnow(алгоритм) Guo-Xun Yuan; Chia-Hua Ho; Chih-Jen Lin(2012).

I really just want you to get the conceptual understanding of what it means to fit data with line, or do a linear regression.
Я справді просто бажаю аби ви отримали загальне розуміння того, що ж означає побудувати лінійну функцію по відповідних даних або що таке лінійна регресія.

The advantage of the Linear Regression Indicator over a normal moving average is that it has less lag than the moving average, responding quicker to changes in direction.
Перевага індикатора лінійної регресії за нормальною середньою швидкістю полягає в тому, що вона має менший відставання, ніж середня швидкість, що швидше реагує на зміни напрямку.

Prerequisites for this course are“Econometrics I” and“Econometrics II” covering descriptive statistics, linear regression and basics of R programming.
Передумовами для цього курсу є«Економетрика I» і«Економетрика II», що охоплюють описову статистику, лінійну регресію і основи програмування R.

Obtain an in-depth understanding of supervised and unsupervised learning models such as linear regression, logistic regression, SVM, clustering and K-NN.
Отримати глибоке розуміння моделей навчання з учителем і без, як приклад лінійна регресія, логістична регресія, SVM, кластеризація і К найближчих сусідів.