Lasso回归 生存状态:修订间差异

来自决策链云智库
无编辑摘要
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=Lasso回归_生存状态
|nodename=Lasso回归_生存状态
|nodeimage=Lasso Regression_Cox.png
|nodeimage=Lasso Regression_Cox.png
|icon=Lasso Regression_Cox.svg
|simpleicon=Lasso Regression_Cox_Pure.svg
|developer=Dev.Team-DPS
|developer=Dev.Team-DPS
|productionstate=PC可用
|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=[[Has english name::Lasso Regression_Cox]]
|nodeenglishname=Lasso Regression_Cox
|abbreviation=[[Has abbreviation::LASSO_Cox]]
|abbreviation=LASSOCox
|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=LinePlot;PointErrorLinePlot
|nodeavailableplotlist=LinePlot;PointErrorLinePlot
|nodeavailabletablelist=Table_For_Downstream
|nodeavailabletablelist=Coeff-Value;Lambda;CVM;CVSD;CVCI
|nodeconfiguration=VariableList;Text
|nodeconfiguration=VariableList;Text
|nodeinputports=WorkFlow-Control ;Transfer-Table ■
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/Lasso回归_生存状态
|statsapewikiurl=https://wiki.statsape.com/Lasso回归_生存状态
|previousnode=[[Lasso回归_二项式]]
|previousnode=[[Lasso回归_二项式]]
|nextnode=[[Lasso回归_高斯]]
|nextnode=[[Lasso回归_高斯]]
}}
}}





2024年1月19日 (五) 19:13的最新版本

Lasso Regression Cox.png
节点状态
Windows / Windows 10 Win10及以上可用
V1.0部署
Lasso回归_生存状态Lasso Regression Cox.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Lasso Regression_Cox
功能主类别数据分析
英文缩写LASSOCox
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。

生存状态Lasso回归则是结合比例风险回归模型,来减少Cox回归中协变量的个数,解决回归分析中的多重共线性问题。该模型以生存结局和生存时间为因变量,同时分析因素对生存期的影响。

用途:能够有效地进行线性特征选择,只保留那些对目标(例如生存时间或生存状态)影响最大的变量。

参数:选择连续型数值时间变量,二分类状态变量,连续型数值自变量

端口数量与逻辑控制(PC)
Input-入口5个
Output-出口3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)
相关节点
上一节点Lasso回归_二项式
下一节点Lasso回归_高斯




查找其他类别的节点,请参考以下列表