Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
||
(未显示同一用户的1个中间版本) | |||
第5行: | 第5行: | ||
|simpleicon=Lasso Regression_Binomial_Pure.svg | |simpleicon=Lasso Regression_Binomial_Pure.svg | ||
|developer=Dev.Team-DPS | |developer=Dev.Team-DPS | ||
|productionstate= | |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= | |nodeenglishname=Lasso Regression_Binomial | ||
|abbreviation= | |abbreviation=LASSOBin | ||
|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19行: | 第19行: | ||
|nodeifswitchsupport=否 | |nodeifswitchsupport=否 | ||
|nodeavailableplotlist=LinePlot;PointErrorLinePlot | |nodeavailableplotlist=LinePlot;PointErrorLinePlot | ||
|nodeavailabletablelist= | |nodeavailabletablelist=Coeff-Value;Lambda;CVM;CVSD;CVCI | ||
|nodeconfiguration=VariableList;Text | |nodeconfiguration=VariableList;Text | ||
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■ | |nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■ |
2024年1月19日 (五) 19:13的最新版本
节点状态 | / Win10及以上可用
在V1.0部署
|
---|---|
Lasso回归_二项式 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | Lasso Regression_Binomial |
功能主类别 | 数据分析 |
英文缩写 | LASSOBin |
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 | |
LASSO回归是对回归算法正则化的一个例子。正则化是一种方法,它通过增加额外参数来解决过拟合问题,从而减少模型的参数,限制复杂度。LASSO方法对于筛选解释性较高的变量,处理高维数据和解决多重共线性问题具有强大的优势。 该方法是在模型估计中增加了惩罚项,所有参数绝对值之和。能将一些不必要变量的回归系数压缩为零进而从模型中剔除,达到变量筛选的目的。 二项式Lasso回归则是一种用于解决二分类问题的回归,因变量Y需要是二分类(1 or 0)。用于估计某种事物的可能性。 用途:可以有效地进行线性特征选择,只保留那些对目标(例如二元结果)影响最大的变量。这在处理具有大量预测变量的数据集时尤为有用。 参数:选择二分类因变量,连续型数值自变量 | |
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 | |
相关节点 | |
上一节点 | 逐步回归 |
下一节点 | Lasso回归_生存状态 |
查找其他类别的节点,请参考以下列表