广义估计方程逻辑 - 版本历史

2024年1月19日 (五) 11:11 Zeroclanzhang

2024-01-19T11:11:04Z

←上一版本		2024年1月19日 (五) 19:11的版本
第7行：		第7行：
	\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用		\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用
	\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署		\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署
	\|nodeenglishname=~~[[Has english name::~~Generalized Estimating Equation_Logistic]]		\|nodeenglishname=Generalized Estimating Equation_Logistic
	\|abbreviation=~~[[Has abbreviation::~~GEELogistic]]		\|abbreviation=GEELogistic
	\|funcmaincategory=数据分析		\|funcmaincategory=数据分析
	\|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]		\|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]

2024年1月18日 (四) 09:40 Zeroclanzhang

2024-01-18T09:40:57Z

←上一版本		2024年1月18日 (四) 17:40的版本
第5行：		第5行：
	\|simpleicon=Generalized Estimating Equation_Logistic_Pure.svg		\|simpleicon=Generalized Estimating Equation_Logistic_Pure.svg
	\|developer=Dev.Team-DPS		\|developer=Dev.Team-DPS
	\|productionstate=~~PC可用~~		\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用
	\|productionstatedesc=在[[DecisionLinnc \| V1.0]]部署		\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署
	\|nodeenglishname=[[Has english name::Generalized Estimating Equation_Logistic]]		\|nodeenglishname=[[Has english name::Generalized Estimating Equation_Logistic]]
	\|abbreviation=[[Has abbreviation::~~GEE_Logistic~~]]		\|abbreviation=[[Has abbreviation::GEELogistic]]
	\|funcmaincategory=数据分析		\|funcmaincategory=数据分析
	\|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]		\|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
第19行：		第19行：
	\|nodeifswitchsupport=否		\|nodeifswitchsupport=否
	\|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot		\|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot
	\|nodeavailabletablelist=~~Table_For_Downstream~~		\|nodeavailabletablelist=Coeff-Value;SE;Stats-Value;P-Value;CI
	\|nodeconfiguration=VariableList;~~DropManu~~		\|nodeconfiguration=VariableList;DropMenu
	\|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■		\|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
	\|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■		\|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■
	\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑		\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑
	\|previousnode=[[广义估计方程_高斯]]		\|previousnode=[[广义估计方程_高斯]]
	\|nextnode=[[~~广义相加混合模型_高斯~~]]		\|nextnode=[[广义估计方程_伽玛]]
	}}		}}

2023年12月8日 (五) 06:07 Zeroclanzhang

2023-12-08T06:07:24Z

←上一版本		2023年12月8日 (五) 14:07的版本
第21行：		第21行：
	\|nodeavailabletablelist=Table_For_Downstream		\|nodeavailabletablelist=Table_For_Downstream
	\|nodeconfiguration=VariableList;DropManu		\|nodeconfiguration=VariableList;DropManu
	\|nodeinputports=WorkFlow-Control 🠊;Transfer-Variable ◆;Transfer-Table ■		\|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
	\|nodeoutputports=WorkFlow-Control 🠊;Transfer-Table ■		\|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■
	\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑		\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑
	\|previousnode=[[广义估计方程_高斯]]		\|previousnode=[[广义估计方程_高斯]]

2023年12月8日 (五) 04:14 Zeroclanzhang

2023-12-08T04:14:43Z

←上一版本		2023年12月8日 (五) 12:14的版本
第21行：		第21行：
	\|nodeavailabletablelist=Table_For_Downstream		\|nodeavailabletablelist=Table_For_Downstream
	\|nodeconfiguration=VariableList;DropManu		\|nodeconfiguration=VariableList;DropManu
	\|nodeinputports=WorkFlow-Control 🠶;Transfer-Variable ◆;Transfer-Table ■		\|nodeinputports=WorkFlow-Control 🠊;Transfer-Variable ◆;Transfer-Table ■
	\|nodeoutputports=WorkFlow-Control 🠶;Transfer-Table ■		\|nodeoutputports=WorkFlow-Control 🠊;Transfer-Table ■
	\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑		\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑
	\|previousnode=[[广义估计方程_高斯]]		\|previousnode=[[广义估计方程_高斯]]

2023年12月8日 (五) 02:50 Zeroclanzhang

2023-12-08T02:50:53Z

←上一版本		2023年12月8日 (五) 10:50的版本
第2行：		第2行：
	\|nodename=广义估计方程_逻辑		\|nodename=广义估计方程_逻辑
	\|nodeimage=Generalized Estimating Equation_Logistic.png		\|nodeimage=Generalized Estimating Equation_Logistic.png
			\|icon=Generalized Estimating Equation_Logistic.svg
			\|simpleicon=Generalized Estimating Equation_Logistic_Pure.svg
	\|developer=Dev.Team-DPS		\|developer=Dev.Team-DPS
	\|productionstate=PC可用		\|productionstate=PC可用
第19行：		第21行：
	\|nodeavailabletablelist=Table_For_Downstream		\|nodeavailabletablelist=Table_For_Downstream
	\|nodeconfiguration=VariableList;DropManu		\|nodeconfiguration=VariableList;DropManu
	\|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■		\|nodeinputports=WorkFlow-Control 🠶;Transfer-Variable ◆;Transfer-Table ■
	\|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■		\|nodeoutputports=WorkFlow-Control 🠶;Transfer-Table ■
	\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑		\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑
	\|previousnode=[[广义估计方程_高斯]]		\|previousnode=[[广义估计方程_高斯]]
	\|nextnode=[[广义相加混合模型_高斯]]		\|nextnode=[[广义相加混合模型_高斯]]
	}}		}}

2023年12月4日 (一) 14:45 Zeroclanzhang

2023-12-04T14:45:32Z

←上一版本		2023年12月4日 (一) 22:45的版本
第23行：		第23行：
	\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑		\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑
	\|previousnode=[[广义估计方程_高斯]]		\|previousnode=[[广义估计方程_高斯]]
	\|nextnode=[[~~广义估计方程_逻辑~~]]		\|nextnode=[[广义相加混合模型_高斯]]
	}}		}}

2023年12月4日 (一) 14:06 Zeroclanzhang

2023-12-04T14:06:41Z

←上一版本		2023年12月4日 (一) 22:06的版本
第1行：		第1行：
	{{Infobox nodebasic\|nodename=广义估计方程_逻辑\|nodeimage=Generalized Estimating Equation_Logistic.png\|developer=Dev.Team-DPS\|productionstate=PC可用\|productionstatedesc=在[[~~DecisionTree~~ \| V1.0]]部署\|nodeenglishname=[[Has english name::Generalized Estimating Equation_Logistic]]\|abbreviation=GEE_Logistic\|funcmaincategory=数据分析\|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]\|nodecategory=数据挖掘\|nodeinterpretor=R\|nodeshortdescription=<p>广义估计方程是一种研究纵向数据(比如重复测量数据,面板数据)的方法。用于估计广义线性模型的参数,其中线性模型的结果之间可能存在未知的相关性, 对于纵向数据,不满足方差分析条件的重复测量设计资料可以采用广义估计方程来进行分析。纵向数据是按时间顺序对个体进行重复测量得到的资料逻辑回归是一种用于解决二分类(0或1)问题的机器学习方法，用于估计某种事物的可能性。原理是用逻辑函数把线性回归的结果映射到(0,1),该模型中的参数或系数通常通过最大似然估计方法进行估算。\n用途：用于估计长期数据或重复测量数据中的参数的统计方法，处理复杂的二分类问题，特别是当数据中存在重复测量或长期跟踪时。\n参数：选择二分类因变量，ID变量，和自变量</p>\|nodeinputnumber=5\|nodeoutputnumber=2\|nodeloopsupport=是\|nodeifswitchsupport=否\|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot\|nodeavailabletablelist=Table_For_Downstream\|nodeconfiguration=VariableList;DropManu\|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■\|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■\|statsapewikiurl=https://wiki.statsape.com/~~广义估计方程_逻辑_Plus~~\|previousnode=[[广义估计方程_高斯]]\|nextnode=[[~~广义相加混合模型_高斯~~]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]		{{Infobox nodebasic
			\|nodename=广义估计方程_逻辑
			\|nodeimage=Generalized Estimating Equation_Logistic.png
			\|developer=Dev.Team-DPS
			\|productionstate=PC可用
			\|productionstatedesc=在[[DecisionLinnc \| V1.0]]部署
			\|nodeenglishname=[[Has english name::Generalized Estimating Equation_Logistic]]
			\|abbreviation=[[Has abbreviation::GEE_Logistic]]
			\|funcmaincategory=数据分析
			\|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
			\|nodecategory=数据挖掘
			\|nodeinterpretor=R
			\|nodeshortdescription=<p>广义估计方程是一种研究纵向数据(比如重复测量数据,面板数据)的方法。用于估计广义线性模型的参数,其中线性模型的结果之间可能存在未知的相关性, 对于纵向数据,不满足方差分析条件的重复测量设计资料可以采用广义估计方程来进行分析。</p><p>纵向数据是按时间顺序对个体进行重复测量得到的资料逻辑回归是一种用于解决二分类(0或1)问题的机器学习方法，用于估计某种事物的可能性。原理是用逻辑函数把线性回归的结果映射到(0,1),该模型中的参数或系数通常通过最大似然估计方法进行估算。</p><p>用途：用于估计长期数据或重复测量数据中的参数的统计方法，处理复杂的二分类问题，特别是当数据中存在重复测量或长期跟踪时。</p><p>参数：选择二分类因变量，ID变量，和自变量</p>
			\|nodeinputnumber=5
			\|nodeoutputnumber=2
			\|nodeloopsupport=是
			\|nodeifswitchsupport=否
			\|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot
			\|nodeavailabletablelist=Table_For_Downstream
			\|nodeconfiguration=VariableList;DropManu
			\|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■
			\|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■
			\|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑
			\|previousnode=[[广义估计方程_高斯]]
			\|nextnode=[[广义估计方程_逻辑]]
			}}


			{{Navplate AlgorithmNodeList}}

			[[Category:回归分析]]

Zeroclanzhang：创建页面，内容为“{{Infobox nodebasic|nodename=广义估计方程_逻辑|nodeimage=Generalized Estimating Equation_Logistic.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Estimating Equation_Logistic|abbreviation=GEE_Logistic|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=
…”

2023-12-02T14:30:02Z

创建页面，内容为“{{Infobox nodebasic|nodename=广义估计方程_逻辑|nodeimage=Generalized Estimating Equation_Logistic.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Estimating Equation_Logistic|abbreviation=GEE_Logistic|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>…”

新页面

{{Infobox nodebasic|nodename=广义估计方程_逻辑|nodeimage=Generalized Estimating Equation_Logistic.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Generalized Estimating Equation_Logistic]]|abbreviation=GEE_Logistic|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>广义估计方程是一种研究纵向数据(比如重复测量数据,面板数据)的方法。用于估计广义线性模型的参数,其中线性模型的结果之间可能存在未知的相关性, 对于纵向数据,不满足方差分析条件的重复测量设计资料可以采用广义估计方程来进行分析。纵向数据是按时间顺序对个体进行重复测量得到的资料逻辑回归是一种用于解决二分类(0或1)问题的机器学习方法，用于估计某种事物的可能性。原理是用逻辑函数把线性回归的结果映射到(0,1),该模型中的参数或系数通常通过最大似然估计方法进行估算。\n用途：用于估计长期数据或重复测量数据中的参数的统计方法，处理复杂的二分类问题，特别是当数据中存在重复测量或长期跟踪时。\n参数：选择二分类因变量，ID变量，和自变量</p>|nodeinputnumber=5|nodeoutputnumber=2|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList;DropManu|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/广义估计方程_逻辑_Plus|previousnode=[[广义估计方程_高斯]]|nextnode=[[广义相加混合模型_高斯]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]

广义估计方程 逻辑 - 版本历史