逐步回归: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;DropManu
|nodeconfiguration=VariableList;DropManu
|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/逐步回归
|statsapewikiurl=https://wiki.statsape.com/逐步回归
|previousnode=[[分位回归]]
|previousnode=[[分位回归]]

2023年12月8日 (五) 14:08的版本

Stepwise Regression.png
节点状态
PC可用
V1.0部署
逐步回归Stepwise Regression.svg
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
If/Switch-支持逻辑判断
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
上一节点分位回归
下一节点Lasso回归_二项式




查找其他类别的节点,请参考以下列表