Lasso回归 高斯：修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
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_高斯
|statsapewikiurl=https://wiki.statsape.com/Lasso回归_高斯
|previousnode=[[Lasso回归_生存状态]]
|previousnode=[[Lasso回归_生存状态]]

2023年12月8日 (五) 12:16的版本

Lasso Regression Gaussian.png
节点状态
PC可用
在 V1.0部署
Lasso回归_高斯Lasso Regression Gaussian.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Lasso回归 高斯
功能主类别数据分析
英文缩写LASSO_Gaussian
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。

高斯Lasso回归则是针对多元线性回归来做Lasso回归，因变量预测y应当是符合高斯分布(正态分布)。

用途：有效的线性特征选择，只保留那些对目标变量影响最大的预测变量。预测基于一组预测变量的目标变量值。

参数：选择高斯分布因变量，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
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点Lasso回归_生存状态
下一节点Lasso回归_泊松
WikimediaUI-Globe.svg相关网站





查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=Lasso回归_高斯&oldid=3226”
最近修改
此页面最后编辑于2023年12月8日 (星期五) 12:16。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].