分位回归：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=分位回归|nodeimage=Quantile Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Quantile Regression|abbreviation=QR|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>分位数回归是对一组自变量与因变量的特定百分位…”）
 
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=分位回归|nodeimage=Quantile Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Quantile Regression]]|abbreviation=QR|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>分位数回归是对一组自变量与因变量的特定百分位数(分位数)之间的关系建模。分位数回归的原因就是因为不希望仅仅是研究因变量y的期望，而是希望能探索y的完整分布状况，和了解y的某个分位数。优势是不会假设目标变量的分布,和趋向于抑制偏离观测值的影响。此算法用户可以输入设置任意分位数。\n用途：关注因变量的均值如何随着自变量的变化而变化，而且还关注因变量的整个分布如何随着自变量的变化而变化。可以帮助研究这种非均匀的影响，自变量对因变量的影响可能随着因变量的值而变化。\n参数：选择数值因变量，和自变量</p>|nodeinputnumber=4|nodeoutputnumber=2|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList;Text|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/分位回归_Plus|previousnode=[[广义相加混合模型_逻辑]]|nextnode=[[逐步回归]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]
{{Infobox nodebasic  
|nodename=分位回归
|nodeimage=Quantile Regression.png
|icon=Quantile Regression.svg
|simpleicon=Quantile 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=Quantile Regression
|abbreviation=QtReg
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=<p>分位数回归是对一组自变量与因变量的特定百分位数(分位数)之间的关系建模。分位数回归的原因就是因为不希望仅仅是研究因变量y的期望，而是希望能探索y的完整分布状况，和了解y的某个分位数。优势是不会假设目标变量的分布,和趋向于抑制偏离观测值的影响。此算法用户可以输入设置任意分位数。</p><p>用途：关注因变量的均值如何随着自变量的变化而变化，而且还关注因变量的整个分布如何随着自变量的变化而变化。可以帮助研究这种非均匀的影响，自变量对因变量的影响可能随着因变量的值而变化。</p><p>参数：选择数值因变量，和自变量</p>
|nodeinputnumber=4
|nodeoutputnumber=2
|nodeloopsupport=是
|nodeifswitchsupport=否
|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot
|nodeavailabletablelist=Coeff-Value;SE;t-Value;P-Value;CI
|nodeconfiguration=VariableList;Text
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/分位回归
|previousnode=[[广义相加混合模型_泊松]]
|nextnode=[[逐步回归]]
}}
 
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:回归分析]]

2024年1月19日 (五) 19:13的最新版本

Quantile Regression.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0部署
分位回归Quantile Regression.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Quantile Regression
功能主类别数据分析
英文缩写QtReg
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

分位数回归是对一组自变量与因变量的特定百分位数(分位数)之间的关系建模。分位数回归的原因就是因为不希望仅仅是研究因变量y的期望，而是希望能探索y的完整分布状况，和了解y的某个分位数。优势是不会假设目标变量的分布,和趋向于抑制偏离观测值的影响。此算法用户可以输入设置任意分位数。

用途：关注因变量的均值如何随着自变量的变化而变化，而且还关注因变量的整个分布如何随着自变量的变化而变化。可以帮助研究这种非均匀的影响，自变量对因变量的影响可能随着因变量的值而变化。

参数：选择数值因变量，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
上一节点广义相加混合模型_泊松
下一节点逐步回归
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=分位回归&oldid=6092”
最近修改
此页面最后编辑于2024年1月19日 (星期五) 19:13。
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].