可生成图片类型(推荐)
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4个中间版本) | |||
第2行: | 第2行: | ||
|nodename=逐步回归 | |nodename=逐步回归 | ||
|nodeimage=Stepwise Regression.png | |nodeimage=Stepwise Regression.png | ||
|icon=Stepwise Regression.svg | |||
|simpleicon=Stepwise Regression_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=Stepwise Regression | ||
|abbreviation= | |abbreviation=SwReg | ||
|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17行: | 第19行: | ||
|nodeifswitchsupport=否 | |nodeifswitchsupport=否 | ||
|nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot | |nodeavailableplotlist=FR_Curve_Plot;RegressionCoefficientPlot | ||
|nodeavailabletablelist= | |nodeavailabletablelist=Coeff-Value;SE;t-Value;P-Value;R-Square;df;F-Value;AIC;RSS | ||
|nodeconfiguration=VariableList; | |nodeconfiguration=VariableList;DropMenu | ||
|nodeinputports=WorkFlow-Control | |nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■ | ||
|nodeoutputports=WorkFlow-Control | |nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■ | ||
|statsapewikiurl=https://wiki.statsape.com/逐步回归 | |statsapewikiurl=https://wiki.statsape.com/逐步回归 | ||
|previousnode=[[分位回归]] | |previousnode=[[分位回归]] | ||
|nextnode=[[Lasso回归_二项式]] | |nextnode=[[Lasso回归_二项式]] | ||
}} | }} | ||
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
|
---|---|
逐步回归 | |
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 | |
相关节点 | |
上一节点 | 分位回归 |
下一节点 | Lasso回归_二项式 |
查找其他类别的节点,请参考以下列表