Regresija ar mazāko kvadrātisko mediānu (LMS)
Regresija ar mazāko kvadrātisko mediānu (Least Median of Squares, LMS) ir robusta lineārās regresijas metode, ko 1984. gadā ieviesa Pīters Dž. Rusēvs (Peter J. Rousseeuw). Tā nenoslogo kvadrātisko atlikumu summu, kā to dara parastā mazāko kvadrātu metode (Ordinary Least Squares, OLS), bet gan minimizē kvadrātisko atlikumu mediānu, kas ļauj modelim pretoties līdz aptuveni 50% piesārņojuma ar izmetumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880. DOI: 10.1080/01621459.1984.10477105 ↗
- Hampel, F. R., Ronchetti, E. M., Rousseeuw, P. J., & Stahel, W. A. (1986). Robust Statistics: The Approach Based on Influence Functions. Wiley. ISBN: 978-0471735779
Kā citēt šo lapu
ScholarGate. (2026, June 1). Least Median of Squares Regression. ScholarGate. https://scholargate.app/lv/statistics/least-median-squares
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Mazākās apgrieztās kvadrātiskās kļūdas (LTS) regresijaStatistika↔ compare
- Parastā mazāko kvadrātu (OLS) regresijaEkonometrija↔ compare
- Kvantīļu regresijaEkonometrija↔ compare
- RANSAC regresijaStatistika↔ compare
- Teila-Senas novērtētājsStatistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →