1) regression estimator
回归估计量
1.
In accordance with the problem of seasonal fluctuation coefficient in sample survey of transport volume, this paper discusses the structure of regression estimator and the regression estimator′s application in two-phase sampling under the condition of sampling with PP
本文针对交通运输量抽样调查中存在的波动系数问题，讨论在ＰＰＳ的抽样条件下，回归估计量的构造及其在两相抽样中的应
2) regression composite estimator
回归组合估计量
1.
Furthermore,regression composite estimator is constructed by thes.
在使用样本轮换的连续性抽样调查中,不仅可以利用前期调查的研究变量的信息,还可使用现期调查的辅助变量信息来建立回归模型进行回归估计,进而构造回归组合估计量,并在此基础上确定最优样本轮换率和最优权重系数,使得回归组合估计量的方差最小,从而更大程度地提高连续性抽样调查的估计精度。
3) weighted regression estimator
加权回归估计量
4) mixed regression estimator
混合回归估计量
5) Regression estimate
回归估计
1.
A comparative study of systematic sampling and regression estimate for controlling total volume was conducted.
结果显示,回归估计可充分利用抽样调查与小班调查的综合信息,提高控制二类调查蓄积量的精度,提高成果质量。
2.
Through combining the advantages of field theory with adaptive resonance theory and contraposing the characteristics of regression estimate problem, a novel neural network regression estimate algorithm FTART3 is proposed in this paper.
结合自适应谐振理论和域理论的优点 ,针对回归估计问题的特性 ,提出了一种新型神经网络回归估计算法 FTART3。
3.
the principal component analysis and regression estimate.
采用主分量分析与回归估计相结合的方法，研究近３５年来江苏沿海气温变化对北半球增暖的响应状况。
6) regression
[英][rɪ'ɡreʃn] [美][rɪ'grɛʃən]
回归估计
1.
The basic ideas of SVM for pattern recognition and regression are introduced.
基于统计学习理论的支持向量机(SVM)是一种新型的机器学习方法,描述了SVM在模式识别和回归估计中的基本思想。
2.
A support vector machine for regression is presented.
介绍机器学习的表示方式,分析和比较机器学习中经验风险最小化原则和结构风险最小化原则,引出用于回归估计的支持向量机,并用数学方式阐述其基本思想,讨论支持向量机技术发展中存在的主要问题。
3.
Support Vector Machine (SVM) for regression has recently attracted growing research interest due to its obvious advantage such as nonlinear function approximation with arbitrary accuracy, and good generalization ability, unique and globally optimal solutions.
用于回归估计的支持向量机方法以可控制的精度逼近非线性函数,具有全局最优、良好泛化能力等优越性能,得到广泛的研究。
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
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