2. Inverse mean difference approach

2. Inverse mean difference approach
Let Y be a response variable in a regression problem and X be a p dimensional predictor vector, where for simplicity we
assume E(X) = 0. Let n be the number of observations in our regression problem and H the number of slices.
Sliced inverse regression (SIR) by Li (1991) uses the idea of the inverse first moment to estimate the CS. More specifically
a spectral decomposition of (6)−1var(E(X|Y)) is used where 6 = var(X). More recently Zhu et al.

ผลลัพธ์ (ไทย) 1:

2. วิธีการที่แตกต่างหมายถึงผกผันให้ Y เป็นตัวแปรตอบสนองปัญหาการถดถอย และ X เป็น predictor มิติเวกเตอร์ p ที่สำหรับความเรียบง่ายเราสมมติ E(X) = 0 ให้ n เป็นจำนวนการสังเกตปัญหาการถดถอยและ H จำนวนชิ้นการเตรียมการถดถอยผกผัน (SIR) โดยหลี่ (1991) ใช้ความคิดของการผกผันช่วงแรกประมาณ CS โดยเฉพาะอย่างยิ่งสลายตัวเป็นสเปกตรัมของ (6) −1var (E (X| ใช้ Y)) 6 = var(X) เมื่อเร็ว ๆ นี้ซู et al

ผลลัพธ์ (ไทย) 2:

2. ผกผันหมายถึงวิธีการที่แตกต่างกัน
ให้ Y จะเป็นตัวแปรในการตอบสนองต่อปัญหาการถดถอยและ X เป็น AP เวกเตอร์ทำนายมิติที่เรียบง่ายสำหรับเรา
ถือว่า E (X) = 0 ให้ n เป็นหมายเลขของการสังเกตในปัญหาการถดถอยของเราและเอช จำนวนชิ้น.
ถดถอยหั่นผกผัน (SIR) โดยหลี่ (1991) ใช้ความคิดของช่วงเวลาแรกผกผันในการประมาณ CS โดยเฉพาะอย่างยิ่ง
สลายผี (6) -1var (E (X | Y)) จะใช้ที่ 6 = var (X) เมื่อเร็ว ๆ นี้จู้ et al,

ผลลัพธ์ (ไทย) 3:

2 . หมายถึงความแตกต่างวิธีการผกผันให้ y เป็นการตอบสนองตัวแปรในปัญหาการถดถอยและ X เป็น P ตัวมิติเวกเตอร์ที่เรียบง่ายสำหรับเราเดาว่า E ( x ) = 0 ให้ n เป็นจำนวนค่าสังเกตในปัญหาการถดถอยและ H จำนวนชิ้นตรงกันข้ามการถดถอย ( ครับ ) ซอย Li ( 1991 ) ใช้ความคิดครั้งแรกที่ผกผันประมาณ cs มากขึ้นโดยเฉพาะเป็นสเปกตรัมการสลายตัวของ ( 6 ) − 1var ( E ( x | Y ) ) ใช้ที่ 6 = AVERAGE ( X ) เมื่อเร็ว ๆ นี้ จู et al .