Lasso回归二项式 - 版本历史

2024年1月19日 (五) 11:13 Zeroclanzhang

2024-01-19T11:13:55Z

←上一版本		2024年1月19日 (五) 19:13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::~~Lasso Regression_Binomial]]		\|nodeenglishname=Lasso Regression_Binomial
	\|abbreviation=~~[[Has abbreviation::~~LASSOBin]]		\|abbreviation=LASSOBin
	\|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) 09:41 Zeroclanzhang

2024-01-18T09:41:20Z

←上一版本		2024年1月18日 (四) 17:41的版本
第5行：		第5行：
	\|simpleicon=Lasso Regression_Binomial_Pure.svg		\|simpleicon=Lasso Regression_Binomial_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::Lasso Regression_Binomial]]		\|nodeenglishname=[[Has english name::Lasso Regression_Binomial]]
	\|abbreviation=[[Has abbreviation::~~LASSO_Binary~~]]		\|abbreviation=[[Has abbreviation::LASSOBin]]
	\|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=LinePlot;PointErrorLinePlot		\|nodeavailableplotlist=LinePlot;PointErrorLinePlot
	\|nodeavailabletablelist=~~Table_For_Downstream~~		\|nodeavailabletablelist=Coeff-Value;Lambda;CVM;CVSD;CVCI
	\|nodeconfiguration=VariableList;Text		\|nodeconfiguration=VariableList;Text
	\|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■		\|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■

2023年12月8日 (五) 06:08 Zeroclanzhang

2023-12-08T06:08:17Z

←上一版本		2023年12月8日 (五) 14:08的版本
第21行：		第21行：
	\|nodeavailabletablelist=Table_For_Downstream		\|nodeavailabletablelist=Table_For_Downstream
	\|nodeconfiguration=VariableList;Text		\|nodeconfiguration=VariableList;Text
	\|nodeinputports=WorkFlow-Control 🠊;Transfer-Variable ◆;Transfer-Table ■		\|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
	\|nodeoutputports=WorkFlow-Control 🠊;Transfer-Variable ◆;Transfer-Table ■		\|nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
	\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式
	\|previousnode=[[逐步回归]]		\|previousnode=[[逐步回归]]

2023年12月8日 (五) 04:16 Zeroclanzhang

2023-12-08T04:16:24Z

←上一版本		2023年12月8日 (五) 12:16的版本
第21行：		第21行：
	\|nodeavailabletablelist=Table_For_Downstream		\|nodeavailabletablelist=Table_For_Downstream
	\|nodeconfiguration=VariableList;Text		\|nodeconfiguration=VariableList;Text
	\|nodeinputports=WorkFlow-Control 🠶;Transfer-Variable ◆;Transfer-Table ■		\|nodeinputports=WorkFlow-Control 🠊;Transfer-Variable ◆;Transfer-Table ■
	\|nodeoutputports=WorkFlow-Control 🠶;Transfer-Variable ◆;Transfer-Table ■		\|nodeoutputports=WorkFlow-Control 🠊;Transfer-Variable ◆;Transfer-Table ■
	\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式
	\|previousnode=[[逐步回归]]		\|previousnode=[[逐步回归]]

2023年12月8日 (五) 02:52 Zeroclanzhang

2023-12-08T02:52:05Z

←上一版本		2023年12月8日 (五) 10:52的版本
第2行：		第2行：
	\|nodename=Lasso回归_二项式		\|nodename=Lasso回归_二项式
	\|nodeimage=Lasso Regression_Binomial.png		\|nodeimage=Lasso Regression_Binomial.png
			\|icon=Lasso Regression_Binomial.svg
			\|simpleicon=Lasso Regression_Binomial_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;Text		\|nodeconfiguration=VariableList;Text
	\|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■		\|nodeinputports=WorkFlow-Control 🠶;Transfer-Variable ◆;Transfer-Table ■
	\|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■		\|nodeoutputports=WorkFlow-Control 🠶;Transfer-Variable ◆;Transfer-Table ■
	\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式
	\|previousnode=[[逐步回归]]		\|previousnode=[[逐步回归]]
	\|nextnode=[[Lasso回归_生存状态]]		\|nextnode=[[Lasso回归_生存状态]]
	}}		}}

2023年12月4日 (一) 14:46 Zeroclanzhang

2023-12-04T14:46:40Z

←上一版本		2023年12月4日 (一) 22:46的版本
第23行：		第23行：
	\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式
	\|previousnode=[[逐步回归]]		\|previousnode=[[逐步回归]]
	\|nextnode=[[~~Lasso回归_二项式~~]]		\|nextnode=[[Lasso回归_生存状态]]
	}}		}}

2023年12月4日 (一) 14:07 Zeroclanzhang

2023-12-04T14:07:31Z

←上一版本		2023年12月4日 (一) 22:07的版本
第1行：		第1行：
	{{Infobox nodebasic\|nodename=Lasso回归_二项式\|nodeimage=Lasso Regression_Binomial.png\|developer=Dev.Team-DPS\|productionstate=PC可用\|productionstatedesc=在[[~~DecisionTree~~ \| V1.0]]部署\|nodeenglishname=[[Has english name::Lasso Regression_Binomial]]\|abbreviation=LASSO_Binary\|funcmaincategory=数据分析\|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]\|nodecategory=数据挖掘\|nodeinterpretor=R\|nodeshortdescription=<p>LASSO回归是对回归算法正则化的一个例子。正则化是一种方法,它通过增加额外参数来解决过拟合问题,从而减少模型的参数,限制复杂度。LASSO方法对于筛选解释性较高的变量,处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项,所有参数绝对值之和。能将一些不必要变量的回归系数压缩为零进而从模型中剔除,~~达到变量筛选的目的。二项式Lasso回归则是一种用于解决二分类问题的回归~~,因变量Y需要是二分类(1 or 0)。用于估计某种事物的可能性。\n用途：可以有效地进行线性特征选择，只保留那些对目标（例如二元结果）影响最大的变量。这在处理具有大量预测变量的数据集时尤为有用。\n参数：选择二分类因变量，连续型数值自变量</p>\|nodeinputnumber=4\|nodeoutputnumber=3\|nodeloopsupport=是\|nodeifswitchsupport=否\|nodeavailableplotlist=LinePlot;PointErrorLinePlot\|nodeavailabletablelist=Table_For_Downstream\|nodeconfiguration=VariableList;Text\|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■\|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■\|statsapewikiurl=https://wiki.statsape.com/~~Lasso回归_二项式_Plus~~\|previousnode=[[逐步回归]]\|nextnode=[[~~Lasso回归_生存状态~~]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]		{{Infobox nodebasic
			\|nodename=Lasso回归_二项式
			\|nodeimage=Lasso Regression_Binomial.png
			\|developer=Dev.Team-DPS
			\|productionstate=PC可用
			\|productionstatedesc=在[[DecisionLinnc \| V1.0]]部署
			\|nodeenglishname=[[Has english name::Lasso Regression_Binomial]]
			\|abbreviation=[[Has abbreviation::LASSO_Binary]]
			\|funcmaincategory=数据分析
			\|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
			\|nodecategory=数据挖掘
			\|nodeinterpretor=R
			\|nodeshortdescription=<p>LASSO回归是对回归算法正则化的一个例子。正则化是一种方法,它通过增加额外参数来解决过拟合问题,从而减少模型的参数,限制复杂度。LASSO方法对于筛选解释性较高的变量,处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项,所有参数绝对值之和。能将一些不必要变量的回归系数压缩为零进而从模型中剔除,达到变量筛选的目的。</p><p>二项式Lasso回归则是一种用于解决二分类问题的回归,因变量Y需要是二分类(1 or 0)。用于估计某种事物的可能性。</p><p>用途：可以有效地进行线性特征选择，只保留那些对目标（例如二元结果）影响最大的变量。这在处理具有大量预测变量的数据集时尤为有用。</p><p>参数：选择二分类因变量，连续型数值自变量</p>
			\|nodeinputnumber=4
			\|nodeoutputnumber=3
			\|nodeloopsupport=是
			\|nodeifswitchsupport=否
			\|nodeavailableplotlist=LinePlot;PointErrorLinePlot
			\|nodeavailabletablelist=Table_For_Downstream
			\|nodeconfiguration=VariableList;Text
			\|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■
			\|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■
			\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式
			\|previousnode=[[逐步回归]]
			\|nextnode=[[Lasso回归_二项式]]
			}}


			{{Navplate AlgorithmNodeList}}

			[[Category:回归分析]]

Zeroclanzhang：创建页面，内容为“{{Infobox nodebasic|nodename=Lasso回归_二项式|nodeimage=Lasso Regression_Binomial.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Lasso Regression_Binomial|abbreviation=LASSO_Binary|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=
LASSO回归是对回归算法正则…”

2023-12-02T14:31:21Z

创建页面，内容为“{{Infobox nodebasic|nodename=Lasso回归_二项式|nodeimage=Lasso Regression_Binomial.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Lasso Regression_Binomial|abbreviation=LASSO_Binary|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>LASSO回归是对回归算法正则…”

新页面

{{Infobox nodebasic|nodename=Lasso回归_二项式|nodeimage=Lasso Regression_Binomial.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Lasso Regression_Binomial]]|abbreviation=LASSO_Binary|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>LASSO回归是对回归算法正则化的一个例子。正则化是一种方法,它通过增加额外参数来解决过拟合问题,从而减少模型的参数,限制复杂度。LASSO方法对于筛选解释性较高的变量,处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项,所有参数绝对值之和。能将一些不必要变量的回归系数压缩为零进而从模型中剔除,达到变量筛选的目的。二项式Lasso回归则是一种用于解决二分类问题的回归,因变量Y需要是二分类(1 or 0)。用于估计某种事物的可能性。\n用途：可以有效地进行线性特征选择，只保留那些对目标（例如二元结果）影响最大的变量。这在处理具有大量预测变量的数据集时尤为有用。\n参数：选择二分类因变量，连续型数值自变量</p>|nodeinputnumber=4|nodeoutputnumber=3|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=LinePlot;PointErrorLinePlot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList;Text|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/Lasso回归_二项式_Plus|previousnode=[[逐步回归]]|nextnode=[[Lasso回归_生存状态]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]

Lasso回归 二项式 - 版本历史