潜类别分析：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic |nodename=潜类别分析 |nodeimage=Latent Class Analysis.png |icon=Latent Class Analysis.svg |simpleicon=Latent Class Analysis_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::Latent Class Analysis |abbreviation=Has abbreviation::LCA |funcmaincategory=数据分…”）
 
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=[[Has english name::Latent Class Analysis]]
|nodeenglishname=Latent Class Analysis
|abbreviation=[[Has abbreviation::LCA]]
|abbreviation=LttCA
|funcmaincategory=数据分析
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::潜变量分析]]
|funcsubcategory=[[DataAGM Lv1 Cat::潜变量分析]]
第27行： 第27行：
|nextnode=[[潜类别增长模型]]
|nextnode=[[潜类别增长模型]]
}}
}}




2024年1月19日 (五) 19:17的最新版本

Latent Class Analysis.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0.2部署
潜类别分析Latent Class Analysis.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Latent Class Analysis
功能主类别数据分析
英文缩写LttCA
功能亚类别潜类别模型
节点类型数据挖掘
开发语言R
节点简介

潜类别分析用于在数据集中发现隐藏或潜在的类别结构。潜类别分析的目标是根据观测到的数据，将个体或对象分为不同的类别，这些类别通常不能通过单独的变量或特征来区分。相反，LCA利用多个观测变量的联合分布，将样本划分为潜在的, 相对同质的类别。

用途：用于在数据中发现隐藏的（或者说潜在的）群体或类别。

参数：选择变量类型为离散型，必须为>0的整数数值。

端口数量与逻辑控制(PC)
Input-入口3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
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点正弦曲线回归
下一节点潜类别增长模型
WikimediaUI-Globe.svg相关网站





查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=潜类别分析&oldid=6107”
最近修改
此页面最后编辑于2024年1月19日 (星期五) 19:17。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].