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=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= | |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_Cox | ||
|abbreviation= | |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= | |nodeavailabletablelist=Coeff-Value;Lambda;CVM;CVSD;CVCI | ||
|nodeconfiguration=VariableList;Text | |nodeconfiguration=VariableList;Text | ||
|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/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
节点状态 | / Win10及以上可用
在V1.0部署
|
---|---|
Lasso回归_生存状态 | |
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 | 是 |
If/Switch-支持逻辑判断 | 否 |
输入输出 | |
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