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21行: | 第21行: | ||
|nodeavailabletablelist=Table_For_Downstream | |nodeavailabletablelist=Table_For_Downstream | ||
|nodeconfiguration=VariableList | |nodeconfiguration=VariableList | ||
|nodeinputports=WorkFlow-Control | |nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■ | ||
|nodeoutputports=WorkFlow-Control | |nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■ | ||
|statsapewikiurl=https://wiki.statsape.com/线性回归 | |statsapewikiurl=https://wiki.statsape.com/线性回归 | ||
|previousnode=[[典型相关分析]] | |previousnode=[[典型相关分析]] |
2023年12月8日 (五) 13:50的版本
节点状态 | PC可用
在 V1.0部署
|
---|---|
线性回归 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | 线性回归 |
功能主类别 | 数据分析 |
英文缩写 | 线性回归 |
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 | |
线性回归是一种研究影响关系的方法,利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。在线性回归中,数据使用线性预测函数来建模,并且未知的模型参数也是通过数据来估计。线性回归模型经常用最小二乘逼近来拟合。 用途:用于分析一个或多个自变量和因变量之间的关系。也可以用于预测基于一组自变量的因变量值。 参数:选择高斯分布因变量,和一个或多个自变量 | |
端口数量与逻辑控制(PC) | |
Input-入口 | 4个 |
Output-出口 | 2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 | 典型相关分析 |
下一节点 | 逻辑回归 |
查找其他类别的节点,请参考以下列表