可生成数据表类型(推荐)
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
Zeroclanzhang(讨论 | 贡献) 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= | |nodeenglishname=Multiple Interpolation | ||
|abbreviation= | |abbreviation=MultiIpo | ||
|funcmaincategory=数据分析 | |funcmaincategory=数据分析 | ||
|funcsubcategory=[[DataAGM Lv1 Cat::综合分析]] | |funcsubcategory=[[DataAGM Lv1 Cat::综合分析]] |
2024年1月19日 (五) 19:25的最新版本
节点状态 | / Win10及以上可用
在V1.0部署
|
---|---|
多重插补 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | Multiple Interpolation |
功能主类别 | 数据分析 |
英文缩写 | MultiIpo |
功能亚类别 | 综合分析 |
节点类型 | 数据挖掘 |
开发语言 | R |
节点简介 | |
利用蒙特卡洛模拟法(MCMC)将原始数据插补成几个完整数据集,在每个数据集中利用线性回归(lm)或广义线性规格(glm)等方法进行插补建模,再将这些完整的模型整合到一起,评价插补模型的优劣并返回完整数据集。该方法主要利用程辑包mice中的mice函数进行。 用途:不仅仅估计一个可能的值来填补缺失数据,而是创建多个不同的完整数据集,每个数据集中的缺失值都被可能的值替代。 参数:选择多个需要插补的变量,和多个参加插补的变量 | |
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 | |
相关节点 | |
上一节点 | 筛查自变量共线性 |
下一节点 | 拆分训练测试集 |
查找其他类别的节点,请参考以下列表