Що таке ЛІНІЙНА РЕГРЕСІЯ Англійською - Англійська переклад

• linear regression

Приклади вживання Лінійна регресія Українська мовою та їх переклад на Англійською

Проста лінійна регресія(реферат).
The linear regression line shown.

Один з таких методів- лінійна регресія.
One of these methods is linear regression.

Найпростішим варіантом регресійній моделі є лінійна регресія.
The simplest regression model is the linear regression.

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

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

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

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

Для лінійної кореляції, найбільш підходяща процедура- лінійна регресія і гарантовано дає правильні рішення.
For a linear correlation, the best-fit procedure is known as linear regression and is guaranteed to generate a correct solution in a finite time.

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

Деякі моделі передбачають спеціальну форму, такі як лінійна регресія[5][6] або нейронної мережі.[7][8] Вони мають спеціальні методи аналізу.
Some models assume a special form such as a linear regression[5][6] or neural network.[7][8] These have special analysis methods.

Регресія: Лінійна регресія дозволяє при даних n точках розрахувати пряму, яка проходитиме настільки близько наскільки це можливо до всіх цих n точок.
Regression: In linear regression, given n points, we compute a line that passes as close as possible to those n points.

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

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.
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.

У Windows 3. 0 було додано науковий режим, який включав експоненти та корені, логарифми, функції на основі факторіалу, тригонометрію(підтримує радіани, градуси та гради кутів), перетворення системи числення(2, 8, 10, 16), логічні операції, статистичні функції, такі як статистика від однієї змінної, та лінійна регресія.
In Windows 3.0, a scientific mode was added, which included exponents and roots, logarithms, factorial-based functions, trigonometry(supports radian, degree and gradians angles), base conversions(2, 8, 10, 16), logic operations, statistical functions such as single variable statistics and linear regression.

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

Деякі типи задач, які пов'язані з багатовимірними даними, наприклад проста лінійна регресія та множинна регресія, зазвичай не розглядаються як окремий випадок багатовимірної статистики, оскільки розглядаються з урахуванням(одновимірного) умовного розподілу однієї змінної, яка визначена іншими змінними.
Certain types of problem involving multivariate data, for example simple linear regression and multiple regression, are NOT usually considered as special cases of multivariate statistics because the analysis is dealt with by considering the(univariate) conditional distribution of a single outcome variable given the other variables.

Зокрема, лінійна регресія,[9] є набагато більш ефективна, ніж більшість нелінійних методів.[10][11] Моделі можуть бути детермінованими або стохастичними(тобто містять випадкові компоненти) в залежності від цілі їх використання.
In particular linear regression techniques[9] are much more efficient than most non-linear techniques.[10][11] The model can be deterministic or stochastic(i.e. containing random components) depending on its planned use.

Подібно до інших методів регресійного аналізу, лінійна регресія повертає розподіл умовної імовірності y в залежності від X, а не розподіл спільної імовірності y та X, що стосується області мультиваріативного аналізу.
Like all forms of regression analysis, linear regression focuses on the conditional probability distribution of y given X, rather than on the joint probability distribution of y and X, which is.

Множинна лінійна регресія є узагальненням лінійної регресії з урахуванням більш ніж однієї незалежної змінної, а окремий випадок загальної лінійної моделі формується за рахунок обмеження кількості залежних змінних до одного.
Multiple linear regression is a generalization of simple linear regression to the case of more than one independent variable, and a special case of general linear models, restricted to one dependent variable.

Деякі типи задач, які пов'язані з багатовимірними даними, наприклад проста лінійна регресія та множинна регресія, зазвичай не розглядаються як окремий випадок багатовимірної статистики, оскільки розглядаються з урахуванням(одновимірного) умовного розподілу однієї змінної, яка визначена іншими змінними.
Specific sorts of issue calling for multivariate statistics, for example simple linear regression and multiple regression, are not usually considered as particular cases of multivariate statistics as the evaluation is coped by considering the(univariate) conditional distribution of an individual result variable given the other variants.

Множинна лінійна регресія є узагальненням лінійної регресії з урахуванням більш ніж однієї незалежної змінної, а окремий випадок загальної лінійної моделі формується за рахунок обмеження кількості залежних змінних до одного.
Multiple linear regression is a generalization of linear regression by considering more than one independent variable, and a specific case of general linear models formed by restricting the number of dependent variables to one.

Стандартні аналітичні інструменти, такі як лінійна регресія, дерева рішень або тестування гіпотез, мають різний рівень математичних знань, але все одно вони вимагають досвід як в логіці, так і в кількісній оцінці або, як правило, в математиці.
Standard analytics tools like linear regression, decision trees or hypothesis testing have different levels of mathematical needs but anyway they require a background in both logic and quantification, or generally math.

Вертикальна відстань: Проста лінійна регресія Стійкість до викидів: Тривка(робастна) проста лінійна регресія Ортогональна відстань: ортогональна регресія Зважена геометрична відстань: Регресія Демінга Інваріантність масштабу: регресія головної осі.
Vertical distance: Simple linear regression Resistance to outliers: Robust simple linear regression Orthogonal distance: Orthogonal regression Weighted geometric distance: Deming regression Scale invariance: Major axis regression..

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

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

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

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

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.
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.