可生成图片类型(推荐)
Zeroclanzhang(讨论 | 贡献) (创建页面,内容为“{{Infobox nodebasic |nodename=广义相加模型_泊松 |nodeimage=Generalized Additive Model_Poisson.png |icon=Generalized Additive Model_Poisson.svg |simpleicon=Generalized Additive Model_Poisson_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 Model_Poisson |abbrev…”) |
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 Model_Poisson | ||
|abbreviation= | |abbreviation=GAMPoisson | ||
|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25行: | 第25行: | ||
|statsapewikiurl=https://wiki.statsape.com/广义相加模型_泊松 | |statsapewikiurl=https://wiki.statsape.com/广义相加模型_泊松 | ||
|previousnode=[[广义相加模型_负二项]] | |previousnode=[[广义相加模型_负二项]] | ||
|nextnode=[[ | |nextnode=[[广义估计方程_高斯]] | ||
}} | }} | ||
2024年1月19日 (五) 19:10的最新版本
节点状态 | / Win10及以上可用
在V1.0.2部署
|
---|---|
广义相加模型_泊松 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | Generalized Additive Model_Poisson |
功能主类别 | 数据分析 |
英文缩写 | GAMPoisson |
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 | |
广义相加模型是一种自由灵活的统计模型,它可以用来探测到非线性回归的影响。允许在未知因变量与自变量之间关系的情况下,使用非线性平滑项来拟合模型。非参数平滑项是把自变量划分成多个连续的区间,每一个区间都用单独的线性函数或非线性的低阶多项式函数来拟合。其生成的回归线为平稳、光滑的曲线。泊松回归是用来为计数资料和列联表建模的一种回归分析,因变量为计数变量,解决的问题是在特定时间内发生n个事件的概率。回归需要满足以下条件:一个事件的发生不影响其它事件的发生,即事件独立发生,不存在传染性、聚集性的事件。因变量Y服从泊松分布,总体均数等于总体方差。 用途:处理预测变量和响应变量之间复杂非线性关系的统计模型,用于分析计数数据。 参数:选择泊松分布因变量,数值型曲线拟合变量,和自变量。 | |
端口数量与逻辑控制(PC) | |
Input-入口 | 5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 | 广义相加模型_负二项 |
下一节点 | 广义估计方程_高斯 |
查找其他类别的节点,请参考以下列表