1) ridge regression
岭回归
1.
Simultaneous Determination of Iron and Platinum by Ridge Regression Atomic Absorption Spectrophotometry;
岭回归原子吸收光谱法同时测定Fe和Pt
2.
Simultaneous Determination of Lead and Palladium by Atomic Absorption Spectrophotometric and Ridge Regression;
岭回归原子吸收光谱法同时测定铅和钯
3.
Modified nonlinear ridge regression with optimal ridge parameter and its application to 4-CBA soft sensor;
优化岭参数的非线性岭回归及4-CBA含量软测量
2) ridge regression
岭回归法
1.
Simultaneous detection of o-dihydroxybenzene、 m-dihydroxybenzene、p-dihydroxybenzenes by ridge regression;
岭回归法同时测定邻、间、对苯二酚
2.
Multi-factors Empirical analysis of health demands in china——Based on Ridge Regression;
影响我国医疗卫生需求的多因素实证分析——基于岭回归法
3.
The ridge regression method is applied to impedance inversion.
应用岭回归法对波阻抗反演进行了理论和应用研究。
3) Kernel ridge regression
核岭回归
1.
Kernel ridge regression-based nonlinear internal model control
基于核岭回归的非线性内模控制
2.
Improving the linear ridge regression by using the kernel function which meets the Mercer\'s condition,a novel nonlinear kernel ridge regression based on directly optimization was proposed.
利用满足Mercer条件的核函数改进线性岭回归算法,提出一种新的直接优化的非线性核岭回归算法。
4) ridge regression analysis
岭回归分析
1.
Influential factors of behavioral problems for 2-year-old children in Putian city by ridge regression analysis;
莆田市2岁儿童行为偏离危险因素的岭回归分析
2.
Through the independent variable obtained from the ridge trace curve of ridge regression analysis, a prediction model for open-flow capacity is established.
通过岭回归分析的岭迹曲线确定独立变量的表现形式,建立了该气层的无阻流量的预测模型。
3.
<Abstrcat>Based on multi-factor orthogonal designed field experiment,the ridge regression models of seed yield components and seed yield of the 6 grass species are founded through ridge regression analysis with big samples.
采用多区组多因素正交试验设计,通过大样本岭回归分析求出6种禾本科牧草种子产量因子与产量的岭回归模型。
补充资料：岭回归
分子式：
CAS号：
性质：在回归分析中，用一种方法改进回归系数的最小二乘估计后所得的回归。在多元回归方程中，用最小二乘估计求得的回归系数声尽管是其真值β=(β0,β1,···βp)1的无偏估计，但若将与β分别看成p+1维空间中两个点的话，它们之间的平均距离E(—β)1(-β)(称为均方差)仍可能很大，为减小此均方差，用(k)=(X′X+KI)-1X′Y去代替2，称(K)为β的岭回归估计。其中X为各变量的观测值所构成的一个n×(p+1)阶矩阵，Y是随机变量的观测值组成的n维向量，I为p+1阶单位阵，K是与未知参数有关的参数，选择它使E{[(K)-β]1[(K)-β]}达到最小。
CAS号：
性质：在回归分析中，用一种方法改进回归系数的最小二乘估计后所得的回归。在多元回归方程中，用最小二乘估计求得的回归系数声尽管是其真值β=(β0,β1,···βp)1的无偏估计，但若将与β分别看成p+1维空间中两个点的话，它们之间的平均距离E(—β)1(-β)(称为均方差)仍可能很大，为减小此均方差，用(k)=(X′X+KI)-1X′Y去代替2，称(K)为β的岭回归估计。其中X为各变量的观测值所构成的一个n×(p+1)阶矩阵，Y是随机变量的观测值组成的n维向量，I为p+1阶单位阵，K是与未知参数有关的参数，选择它使E{[(K)-β]1[(K)-β]}达到最小。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条