All translations

Enter a message name below to show all available translations.

Found 3 translations.

Name	Current message text
^h English (en)	* '''Feature scaling''': Standardizing features (zero mean, unit variance) improves {{Term\|gradient descent}} {{Term\|convergence}} and makes {{Term\|regularization}} fair across features. * '''Polynomial features''': Adding polynomial terms (e.g., <math>x^2, x_1 x_2</math>) allows linear regression to capture nonlinear relationships. * '''Outliers''': OLS is sensitive to outliers because of the squared loss. Robust alternatives include Huber regression and RANSAC. * '''Diagnostic plots''': Residual plots help detect violations of assumptions (non-linearity, heteroscedasticity, non-normality).
^h Spanish (es)	* '''Escalado de características''': Estandarizar las características (media cero, varianza unitaria) mejora la {{Term\|convergence\|convergencia}} del {{Term\|gradient descent\|descenso de gradiente}} y hace que la {{Term\|regularization\|regularización}} sea justa entre características. * '''Características polinómicas''': Añadir términos polinómicos (p. ej., <math>x^2, x_1 x_2</math>) permite que la regresión lineal capture relaciones no lineales. * '''Valores atípicos''': OLS es sensible a los valores atípicos debido a la pérdida cuadrática. Alternativas robustas incluyen la regresión de Huber y RANSAC. * '''Gráficos de diagnóstico''': Los gráficos de residuos ayudan a detectar violaciones de supuestos (no linealidad, heterocedasticidad, no normalidad).
^h Chinese (zh)	* '''特征缩放'''：将特征标准化（零均值、单位方差）可改善 {{Term\|gradient descent\|梯度下降}} 的 {{Term\|convergence\|收敛性}}，并使 {{Term\|regularization\|正则化}} 在各特征间更公平。 * '''多项式特征'''：添加多项式项（例如 <math>x^2, x_1 x_2</math>）使线性回归能够捕捉非线性关系。 * '''异常值'''：由于平方损失的存在，OLS 对异常值较为敏感。稳健的替代方法包括 Huber 回归和 RANSAC。 * '''诊断图'''：残差图有助于检测假设的违反情况（非线性、异方差、非正态性）。