可生成图片类型(推荐)
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;DropManu | |nodeconfiguration=VariableList;DropManu | ||
|nodeinputports=WorkFlow-Control | |nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■ | ||
|nodeoutputports=WorkFlow-Control | |nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■ | ||
|statsapewikiurl=https://wiki.statsape.com/逐步回归 | |statsapewikiurl=https://wiki.statsape.com/逐步回归 | ||
|previousnode=[[分位回归]] | |previousnode=[[分位回归]] |
节点状态 | PC可用
在 V1.0部署
|
---|---|
逐步回归 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | 逐步回归 |
功能主类别 | 数据分析 |
英文缩写 | SR |
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 | |
逐步回归是一种线性回归模型自变量选择方法,可以使用逐步回归从一组候选变量中构建回归模型,让系统自动识别出有影响的变量。解决是多变量共线性问题,基于变量解释性来进行特征提取的一种回归方法。如果模型具统计学意义,并将其纳入在回归模型中。同时移出不具有统计学意义的变量,最终得到一个自动拟合的回归模型。 用途:用于选择变量的回归分析方法,可以在多元回归分析中用于找出最佳的预测变量集合。 参数:选择二分类或者高斯分布因变量,和自变量 | |
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 | 分位回归 |
下一节点 | Lasso回归_二项式 |
相关网站 |
查找其他类别的节点,请参考以下列表