广义相加模型 逻辑：修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
 
（未显示同一用户的4个中间版本）
第2行： 第2行：
|nodename=广义相加模型_逻辑
|nodename=广义相加模型_逻辑
|nodeimage=Generalized Additive Model_Logistic.png
|nodeimage=Generalized Additive Model_Logistic.png
|icon=Generalized Additive Model_Logistic.svg
|simpleicon=Generalized Additive Model_Logistic_Pure.svg
|developer=Dev.Team-DPS
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstatedesc=在[[DecisionLinnc | V1.0]]部署
|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|nodeenglishname=[[Has english name::Generalized Additive Model_Logistic]]
|nodeenglishname=Generalized Additive Model_Logistic
|abbreviation=[[Has abbreviation::GAM_Logistic]]
|abbreviation=GAMLogistic
|funcmaincategory=数据分析
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
第17行： 第19行：
|nodeifswitchsupport=否
|nodeifswitchsupport=否
|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot
|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot
|nodeavailabletablelist=Table_For_Downstream
|nodeavailabletablelist=Coeff-Value;SE;t-Value;P-Value;CI;R-Square;edf;Chi-Square
|nodeconfiguration=VariableList
|nodeconfiguration=VariableList
|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/广义相加模型_逻辑
|statsapewikiurl=https://wiki.statsape.com/广义相加模型_逻辑
|previousnode=[[广义相加模型_高斯]]
|previousnode=[[广义相加模型_高斯]]
|nextnode=[[广义估计方程_高斯]]
|nextnode=[[广义相加模型_伽玛]]
}}
}}




2024年1月19日 (五) 19:09的最新版本

Generalized Additive Model Logistic.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0部署
广义相加模型_逻辑Generalized Additive Model Logistic.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Generalized Additive Model_Logistic
功能主类别数据分析
英文缩写GAMLogistic
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

广义相加模型是一种自由灵活的统计模型,它可以用来探测到非线性回归的影响。允许在未知因变量与自变量之间关系的情况下，使用非线性平滑项来拟合模型。非参数平滑项是把自变量划分成多个连续的区间，每一个区间都用单独的线性函数或非线性的低阶多项式函数来拟合。其生成的回归线为平稳、光滑的曲线。

逻辑回归是一种用于解决二分类(0或1)问题的机器学习方法，用于估计某种事物的可能性。原理是用逻辑函数把线性回归的结果映射到(0,1),该模型中的参数或系数通常通过最大似然估计方法进行估算。

用途：用于处理预测变量和响应变量之间复杂的非线性关系，处理各种复杂的二分类问题。

参数：选择二分类因变量，数值型曲线拟合变量，和自变量

端口数量与逻辑控制(PC)
Input-入口5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
上一节点广义相加模型_高斯
下一节点广义相加模型_伽玛
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=广义相加模型_逻辑&oldid=6078”
最近修改
此页面最后编辑于2024年1月19日 (星期五) 19:09。
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].