可生成图片类型(推荐)
Zeroclanzhang(讨论 | 贡献) (创建页面,内容为“{{Infobox nodebasic |nodename=广义相加混合模型_伽玛 |nodeimage=Generalized Additive Mixed Model_Gamma.png |icon=Generalized Additive Mixed Model_Gamma.svg |simpleicon=Generalized Additive Mixed Model_Gamma_Pure.svg |developer=Dev.Team-DPS |productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 |productionstatedesc=在V1.0.2部署 |nodeenglishname=Has english name::Generalized Additive Mixed…”) |
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 1.0.2.0|V1.0.2]]部署 | |productionstatedesc=在[[Update:DecisionLinnc 1.0.2.0|V1.0.2]]部署 | ||
|nodeenglishname= | |nodeenglishname=Generalized Additive Mixed Model_Gamma | ||
|abbreviation= | |abbreviation=GAMMGamma | ||
|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24行: | 第24行: | ||
|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■ | |nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■ | ||
|statsapewikiurl=https://wiki.statsape.com/广义相加混合模型_伽玛 | |statsapewikiurl=https://wiki.statsape.com/广义相加混合模型_伽玛 | ||
|previousnode=[[ | |previousnode=[[广义相加混合模型_逻辑]] | ||
|nextnode=[[广义相加混合模型_负二项]] | |nextnode=[[广义相加混合模型_负二项]] | ||
}} | }} | ||
2024年1月19日 (五) 19:12的最新版本
节点状态 | / Win10及以上可用
在V1.0.2部署
|
---|---|
广义相加混合模型_伽玛 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | Generalized Additive Mixed Model_Gamma |
功能主类别 | 数据分析 |
英文缩写 | GAMMGamma |
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 | |
广义相加混合模型是混合效应和相加模型的结合,不仅可以引进随机效应,还可以对重复测量的自变量X及其他协变量使用曲线拟合。GAMM也是用来探测到非线性回归的影响,与GAM相比,多了个random effects。伽玛回归是因变量为正数的回归,不能是0和负数。用来解决的问题是要等到n个随机事件都发生,需要经历多久时间。 用途:能够捕捉预测变量的非线性效应,并且可以处理随机效应,即数据的群体级别的异质性或连续性的依赖关系。可以分析正的连续数据,同时考虑固定效应和随机效应。 参数:选择正数连续型伽玛分布因变量,数值型曲线拟合变量,随机变量,和自变量。 | |
端口数量与逻辑控制(PC) | |
Input-入口 | 6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 | 广义相加混合模型_逻辑 |
下一节点 | 广义相加混合模型_负二项 |
查找其他类别的节点,请参考以下列表