可生成数据表类型(推荐)
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
||
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=[[ | |nextnode=[[单样本T检验]] | ||
}} | }} | ||
2023年12月4日 (一) 22:47的版本
节点状态 | PC可用
在 V1.0部署
|
---|---|
Lasso回归_泊松 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | Lasso回归 泊松 |
功能主类别 | 数据分析 |
英文缩写 | LASSO_Poisson |
功能亚类别 | 回归分析 |
节点类型 | 数据挖掘 |
开发语言 | R |
节点简介 | |
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。 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。 参数:选择泊松分布因变量,连续型数值自变量 | |
端口数量与逻辑控制(PC) | |
Input-入口 | 4个 |
Output-出口 | 3个 |
Loop-支持循环 | 是 |
If/Switch-支持逻辑判断 | 否 |
输入输出 | |
相关节点 | |
上一节点 | Lasso回归_高斯 |
下一节点 | 单样本T检验 |
属性“Nodeicon”(作为页面类型)与输入值“File:”包含无效字符或不完整,并因此在查询或注释过程期间导致意外结果。
查找其他类别的节点,请参考以下列表