线性回归：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=线性回归|nodeimage=Linear Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Linear Regression|abbreviation=LR|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>线性回归是一种研究影响关系的方法，利用称为线性…”）
 
无编辑摘要
 
（未显示同一用户的6个中间版本）
第1行： 第1行：
{{Infobox nodebasic|nodename=线性回归|nodeimage=Linear Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Linear Regression]]|abbreviation=LR|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>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。\n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。\n参数：选择高斯分布因变量，和一个或多个自变量</p>|nodeinputnumber=4|nodeoutputnumber=2|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=LmLinePlot;FR_Curve_Plot;RegressionCoefficientPlot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/线性回归_Plus|previousnode=[[典型相关分析]]|nextnode=[[逻辑回归]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]
{{Infobox nodebasic  
|nodename=线性回归
|nodeimage=Linear Regression.png
|icon=Linear Regression.svg
|simpleicon=Linear Regression_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[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|nodeenglishname=Linear Regression
|abbreviation=LR
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=<p>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。</p><p>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。</p><p>参数：选择高斯分布因变量，和一个或多个自变量</p>
|nodeinputnumber=4
|nodeoutputnumber=2
|nodeloopsupport=是
|nodeifswitchsupport=否
|nodeavailableplotlist=LmLinePlot;FR_Curve_Plot;RegressionCoefficientPlot
|nodeavailabletablelist=Coeff-Value;SE;t-Value;P-Value;CI;R-Square;df;F-Value
|nodeconfiguration=VariableList
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/线性回归
|previousnode=[[组内相关系数_混合效应]]
|nextnode=[[逻辑回归]]
}}
 
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:回归分析]]

2024年1月19日 (五) 19:07的最新版本

Linear Regression.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0部署
线性回归Linear Regression.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Linear Regression
功能主类别数据分析
英文缩写LR
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
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点组内相关系数_混合效应
下一节点逻辑回归
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=线性回归&oldid=6067”
最近修改
此页面最后编辑于2024年1月19日 (星期五) 19:07。
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].