সাধারণ ন্যূনতম স্কোয়ার রিগ্রেশন (ওলসার) কী? - টেকোপিডিয়া থেকে সংজ্ঞা

সংজ্ঞা - সাধারণ স্বল্প স্কোয়ারস রিগ্রেশন (ওএলএসআর) এর অর্থ কী?

সাধারণ সর্বনিম্ন স্কোয়ার্স রিগ্রেশন (ওএলএসআর) হ'ল একটি লাইনারি মডেলিং কৌশল। এটি লিনিয়ার রিগ্রেশন মডেলের সাথে জড়িত সমস্ত অজানা প্যারামিটারের অনুমানের জন্য ব্যবহার করা হয়, যার লক্ষ্য পর্যবেক্ষণযোগ্য ভেরিয়েবল এবং ব্যাখ্যামূলক ভেরিয়েবলের পার্থক্যের বর্গের যোগফলকে হ্রাস করা।

সাধারণ ন্যূনতম স্কোয়ারের রিগ্রেশন সাধারণ ন্যূনতম স্কোয়ার বা সর্বনিম্ন স্কোয়ার ত্রুটিগুলির রিগ্রেশন হিসাবেও পরিচিত।

টেকোপিডিয়া সাধারণ স্বল্প স্কোয়ারস রিগ্রেশন (ওএলএসআর) ব্যাখ্যা করে

কার্ল ফ্রেড্রিচ গাউস 1795 সালে উদ্ভাবিত, এটি প্রাচীনতম সাধারণ পূর্বাভাস পদ্ধতিগুলির মধ্যে একটি হিসাবে বিবেচিত হয়। ওএলএসআর নির্ভরশীল ভেরিয়েবলের (যা বোঝাতে বা ভবিষ্যদ্বাণী করার লক্ষ্য নিয়েছে) এবং এর এক বা একাধিক স্বতন্ত্র ভেরিয়েবল (ব্যাখ্যাযোগ্য ভেরিয়েবল) এর মধ্যে সম্পর্কের বর্ণনা দেয়। ওএলএসআর অ্যাপ্লিকেশনটি মনোবিজ্ঞান, সামাজিক বিজ্ঞান, চিকিত্সা, অর্থনীতি এবং অর্থের মতো অগণিত ক্ষেত্রে পাওয়া যেতে পারে।

দুটি সম্পর্ক দেখা দিতে পারে: রৈখিক এবং বক্ররেখা। একটি লিনিয়ার সম্পর্ক একটি সরল রেখা যা বিন্দুগুলির কেন্দ্রীয় প্রবণতার মাধ্যমে অঙ্কিত হয়; যদিও একটি বক্ররেখা সম্পর্কটি একটি বাঁকা রেখা। ভেরিয়েবলের মধ্যে সমিতিগুলি স্ক্যাটারপ্লট ব্যবহার করে চিত্রিত করা হয়। সম্পর্কটি ইতিবাচক বা নেতিবাচক হতে পারে এবং ফলাফলের পার্থক্যও শক্তিতে পৃথক হয়।

একটি বেসিক স্তরে, ওএলএসআর এটি অ-গণিতবিদগণ দ্বারা সহজেই বোঝা যায় এবং এর সমাধানগুলি সহজে ব্যাখ্যা করা যায় could লিনিয়ার বীজগণিত থেকে সাম্প্রতিক কম্পিউটারগুলির অন্তর্নির্মিত অ্যালগরিদমগুলির সাথে তার সাশ্রয়ীর কারণে এটির যোগ করা সম্পর্ক। সুতরাং এটি কয়েকশো ডেটা পয়েন্টের দক্ষতার সাথে ফলাফল সরবরাহ করার জন্য কয়েকশো স্বতন্ত্র ভেরিয়েবলগুলির সমস্যাগুলিতে দ্রুত প্রয়োগ করা যেতে পারে।

ওএলএসআর প্রায়শই একনোমেট্রিক্সে ব্যবহৃত হয়, কারণ এটি গৌস-মার্কভ অনুমানের ভিত্তিতে সেরা লিনিয়ার নিরপেক্ষ अनुमानক (BLUE) সরবরাহ করে। একনোমেট্রিক্স অর্থনীতির শাখা যেখানে পরিসংখ্যানগত পদ্ধতিগুলি অর্থনৈতিক তথ্যে প্রয়োগ করা হয়। এটি বিদ্যমান বিপুল পরিমাণে ডেটা বিচ্ছিন্ন করে সাধারণ সম্পর্কগুলি আহরণের লক্ষ্য নিয়েছে। এই পরিসংখ্যানগত অ্যালগরিদমটি পরিবর্তনশীল পরিবর্তনশীলগুলির উপর ভিত্তি করে ফলাফলগুলি গতিময়ভাবে ভবিষ্যদ্বাণী করতে মেশিন লার্নিং এবং ভবিষ্যদ্বাণীমূলক বিশ্লেষণেও ব্যবহৃত হচ্ছে।