分位回归:修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
 
第7行: 第7行:
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|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
|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|nodeenglishname=[[Has english name::Quantile Regression]]
|nodeenglishname=Quantile Regression
|abbreviation=[[Has abbreviation::QtReg]]
|abbreviation=QtReg
|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]]

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
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
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
上一节点广义相加混合模型_泊松
下一节点逐步回归




查找其他类别的节点,请参考以下列表