逐步回归：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=逐步回归|nodeimage=Stepwise Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Stepwise Regression|abbreviation=SR|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>逐步回归是一种线性回归模型自变量选择方法,可…”）
 
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=逐步回归|nodeimage=Stepwise Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Stepwise Regression]]|abbreviation=SR|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>逐步回归是一种线性回归模型自变量选择方法,可以使用逐步回归从一组候选变量中构建回归模型,让系统自动识别出有影响的变量。解决是多变量共线性问题,基于变量解释性来进行特征提取的一种回归方法。如果模型具统计学意义,并将其纳入在回归模型中。同时移出不具有统计学意义的变量,最终得到一个自动拟合的回归模型。\n用途：用于选择变量的回归分析方法，可以在多元回归分析中用于找出最佳的预测变量集合。\n参数：选择二分类或者高斯分布因变量，和自变量</p>|nodeinputnumber=4|nodeoutputnumber=3|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList;DropManu|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/逐步回归_Plus|previousnode=[[分位回归]]|nextnode=[[Lasso回归_二项式]]}}{{Navplate AlgorithmNodeList}}[[Category:回归分析]]
{{Infobox nodebasic  
|nodename=逐步回归
|nodeimage=Stepwise Regression.png
|icon=Stepwise Regression.svg
|simpleicon=Stepwise 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=Stepwise Regression
|abbreviation=SwReg
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=<p>逐步回归是一种线性回归模型自变量选择方法,可以使用逐步回归从一组候选变量中构建回归模型,让系统自动识别出有影响的变量。解决是多变量共线性问题,基于变量解释性来进行特征提取的一种回归方法。如果模型具统计学意义,并将其纳入在回归模型中。同时移出不具有统计学意义的变量,最终得到一个自动拟合的回归模型。</p><p>用途：用于选择变量的回归分析方法，可以在多元回归分析中用于找出最佳的预测变量集合。</p><p>参数：选择二分类或者高斯分布因变量，和自变量</p>
|nodeinputnumber=4
|nodeoutputnumber=3
|nodeloopsupport=是
|nodeifswitchsupport=否
|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot
|nodeavailabletablelist=Coeff-Value;SE;t-Value;P-Value;R-Square;df;F-Value;AIC;RSS
|nodeconfiguration=VariableList;DropMenu
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/逐步回归
|previousnode=[[分位回归]]
|nextnode=[[Lasso回归_二项式]]
}}
 
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:回归分析]]

2024年1月19日 (五) 19:13的最新版本

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

逐步回归是一种线性回归模型自变量选择方法,可以使用逐步回归从一组候选变量中构建回归模型,让系统自动识别出有影响的变量。解决是多变量共线性问题,基于变量解释性来进行特征提取的一种回归方法。如果模型具统计学意义,并将其纳入在回归模型中。同时移出不具有统计学意义的变量,最终得到一个自动拟合的回归模型。

用途：用于选择变量的回归分析方法，可以在多元回归分析中用于找出最佳的预测变量集合。

参数：选择二分类或者高斯分布因变量，和自变量

端口数量与逻辑控制(PC)
Input-入口4个
Output-出口3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
上一节点分位回归
下一节点Lasso回归_二项式
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=逐步回归&oldid=6093”
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].