Zeroclanzhang(讨论 | 贡献) (创建页面,内容为“{{Infobox nodebasic |nodename=Ridge回归_二项式 |nodeimage=Ridge Regression_Binomial.png |icon=Ridge Regression_Binomial.svg |simpleicon=Ridge Regression_Binomial_Pure.svg |developer=Dev.Team-DPS |productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 |productionstatedesc=在V1.0.2部署 |nodeenglishname=Has english name::Ridge Regression_Binomial |abbreviation=Has abbreviation::RidgeBin |f…”) |
(没有差异)
|
2024年1月18日 (四) 22:14的版本
| 节点状态 | 在V1.0.2部署
|
|---|---|
Ridge回归_二项式 | |
| 节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
| 节点英文名 | Ridge回归 二项式 |
| 功能主类别 | 数据分析 |
| 英文缩写 | Ridge回归 二项式 |
| 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 | |
Ridge回归又称岭回归,专用于共线性数据分析的有偏估计回归方法,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。该方法是在模型估计中增加了惩罚项,所有参数的平方和。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二项式Ridge回归则是一种用于解决二分类问题的回归,因变量Y需要是二分类(1 or 0)。 用途:用来处理线性回归模型中的多重共线性问题的,处理二分类数据。 参数:选择二分类因变量,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 | 广义相加混合模型_泊松 |
| 下一节点 | Ridge回归_生存状态 |
查找其他类别的节点,请参考以下列表