Lasso回归泊松 - 版本历史

2024年1月19日 (五) 11:14 Zeroclanzhang

2024-01-19T11:14:27Z

←上一版本		2024年1月19日 (五) 19:14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_Poisson]]		\|nodeenglishname=Lasso Regression_Poisson
	\|abbreviation=~~[[Has abbreviation::~~LASSOPoisson]]		\|abbreviation=LASSOPoisson
	\|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

2024-01-18T09:41:33Z

←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_Poisson_Pure.svg		\|simpleicon=Lasso Regression_Poisson_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_Poisson]]		\|nodeenglishname=[[Has english name::Lasso Regression_Poisson]]
	\|abbreviation=[[Has abbreviation::~~LASSO_Poisson~~]]		\|abbreviation=[[Has abbreviation::LASSOPoisson]]
	\|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 ■
第25行：		第25行：
	\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_泊松		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_泊松
	\|previousnode=[[Lasso回归_高斯]]		\|previousnode=[[Lasso回归_高斯]]
	\|nextnode=[[~~单样本T检验~~]]		\|nextnode=[[Ridge回归_二项式]]
	}}		}}

2023年12月8日 (五) 06:08 Zeroclanzhang

2023-12-08T06:08:43Z

←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_泊松		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_泊松
	\|previousnode=[[Lasso回归_高斯]]		\|previousnode=[[Lasso回归_高斯]]

2023年12月8日 (五) 04:17 Zeroclanzhang

2023-12-08T04:17:01Z

←上一版本		2023年12月8日 (五) 12:17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_泊松		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_泊松
	\|previousnode=[[Lasso回归_高斯]]		\|previousnode=[[Lasso回归_高斯]]

2023年12月8日 (五) 02:52 Zeroclanzhang

2023-12-08T02:52:29Z

←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_泊松		\|nodename=Lasso回归_泊松
	\|nodeimage=Lasso Regression_Poisson.png		\|nodeimage=Lasso Regression_Poisson.png
			\|icon=Lasso Regression_Poisson.svg
			\|simpleicon=Lasso Regression_Poisson_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_泊松		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_泊松
	\|previousnode=[[Lasso回归_高斯]]		\|previousnode=[[Lasso回归_高斯]]
	\|nextnode=[[单样本T检验]]		\|nextnode=[[单样本T检验]]
	}}		}}

2023年12月4日 (一) 14:47 Zeroclanzhang

2023-12-04T14:47:07Z

←上一版本		2023年12月4日 (一) 22:47的版本
第23行：		第23行：
	\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_泊松		\|statsapewikiurl=https://wiki.statsape.com/Lasso回归_泊松
	\|previousnode=[[Lasso回归_高斯]]		\|previousnode=[[Lasso回归_高斯]]
	\|nextnode=[[~~Lasso回归_泊松~~]]		\|nextnode=[[单样本T检验]]
	}}		}}

2023年12月4日 (一) 14:08 Zeroclanzhang

2023-12-04T14:08:02Z

←上一版本		2023年12月4日 (一) 22:08的版本
第1行：		第1行：
	{{Infobox nodebasic\|nodename=Lasso回归_泊松\|nodeimage=Lasso Regression_Poisson.png\|developer=Dev.Team-DPS\|productionstate=PC可用\|productionstatedesc=在[[~~DecisionTree~~ \| V1.0]]部署\|nodeenglishname=[[Has english name::Lasso Regression_Poisson]]\|abbreviation=LASSO_Poisson\|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。泊松Lasso回归则是针对泊松回归来做Lasso回归~~,因变量为计数变量,解决的问题是在特定时间内发生n个事件的概率。\n用途：可以实现有效的线性特征选择，只保留那些对目标（计数输出）影响最大的变量。预测基于一组预测变量的计数输出。\n参数：选择泊松分布因变量，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_泊松_Plus~~\|previousnode=[[Lasso回归_高斯]]\|nextnode=[[~~单样本T检验~~]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]		{{Infobox nodebasic
			\|nodename=Lasso回归_泊松
			\|nodeimage=Lasso Regression_Poisson.png
			\|developer=Dev.Team-DPS
			\|productionstate=PC可用
			\|productionstatedesc=在[[DecisionLinnc \| V1.0]]部署
			\|nodeenglishname=[[Has english name::Lasso Regression_Poisson]]
			\|abbreviation=[[Has abbreviation::LASSO_Poisson]]
			\|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>泊松Lasso回归则是针对泊松回归来做Lasso回归,因变量为计数变量,解决的问题是在特定时间内发生n个事件的概率。</p><p>用途：可以实现有效的线性特征选择，只保留那些对目标（计数输出）影响最大的变量。预测基于一组预测变量的计数输出。</p><p>参数：选择泊松分布因变量，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_泊松
			\|previousnode=[[Lasso回归_高斯]]
			\|nextnode=[[Lasso回归_泊松]]
			}}


			{{Navplate AlgorithmNodeList}}

			[[Category:回归分析]]

Zeroclanzhang：创建页面，内容为“{{Infobox nodebasic|nodename=Lasso回归_泊松|nodeimage=Lasso Regression_Poisson.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Lasso Regression_Poisson|abbreviation=LASSO_Poisson|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化…”

2023-12-02T14:31:38Z

创建页面，内容为“{{Infobox nodebasic|nodename=Lasso回归_泊松|nodeimage=Lasso Regression_Poisson.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Lasso Regression_Poisson|abbreviation=LASSO_Poisson|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…”

新页面

{{Infobox nodebasic|nodename=Lasso回归_泊松|nodeimage=Lasso Regression_Poisson.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Lasso Regression_Poisson]]|abbreviation=LASSO_Poisson|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。泊松Lasso回归则是针对泊松回归来做Lasso回归,因变量为计数变量,解决的问题是在特定时间内发生n个事件的概率。\n用途：可以实现有效的线性特征选择，只保留那些对目标（计数输出）影响最大的变量。预测基于一组预测变量的计数输出。\n参数：选择泊松分布因变量，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_泊松_Plus|previousnode=[[Lasso回归_高斯]]|nextnode=[[单样本T检验]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]

Lasso回归 泊松 - 版本历史