一般线性相关分析：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=一般线性相关分析|nodeimage=Linear Correlation Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Linear Correlation Analysis|abbreviation=LCOR|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::相关分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>一般线性相关分析是研究两…”）
 
无编辑摘要
第1行： 第1行：
{{Infobox nodebasic|nodename=一般线性相关分析|nodeimage=Linear Correlation Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Linear Correlation Analysis]]|abbreviation=LCOR|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::相关分析]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>一般线性相关分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。变量之间的关系可以分为确定关系和非确定性关系。确定性关系，可以说是函数关系，也就是说对于某一变量的每个数值都有另一变量的完全确定的值与之对应。非确定性关系，即这里所说的相关关系，变量之间存在一定的依存关系，但不是一一对应的关系，即相随变动关系。此相关分析使用的方法有: pearson, spearman, 和kendall。\n用途：用于衡量两个或多个变量间的线性关系强度和方向。检测两个连续变量之间是否存在线性关系的常用方法。\n参数：选择数值变量</p>|nodeinputnumber=4|nodeoutputnumber=3|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=NotSplittingPointPlot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList;DropManu;Text|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/一般线性相关分析_Plus|previousnode=[[球形检验]]|nextnode=[[典型相关分析]]}}{{Navplate AlgorithmNodeList}}[[Category:相关分析]]
{{Infobox nodebasic  
|nodename=一般线性相关分析
|nodeimage=Linear Correlation Analysis.png
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstatedesc=在[[DecisionLinnc | V1.0]]部署
|nodeenglishname=[[Has english name::Linear Correlation Analysis]]
|abbreviation=[[Has abbreviation::LCOR]]
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::相关分析]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=<p>一般线性相关分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。</p><p>变量之间的关系可以分为确定关系和非确定性关系。确定性关系，可以说是函数关系，也就是说对于某一变量的每个数值都有另一变量的完全确定的值与之对应。非确定性关系，即这里所说的相关关系，变量之间存在一定的依存关系，但不是一一对应的关系，即相随变动关系。此相关分析使用的方法有: pearson, spearman, 和kendall。</p><p>用途：用于衡量两个或多个变量间的线性关系强度和方向。检测两个连续变量之间是否存在线性关系的常用方法。</p><p>参数：选择数值变量</p>
|nodeinputnumber=4
|nodeoutputnumber=3
|nodeloopsupport=是
|nodeifswitchsupport=否
|nodeavailableplotlist=NotSplittingPointPlot
|nodeavailabletablelist=Table_For_Downstream
|nodeconfiguration=VariableList;DropManu;Text
|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/一般线性相关分析
|previousnode=[[球形检验]]
|nextnode=[[一般线性相关分析]]
}}
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:相关分析]]

2023年12月4日 (一) 22:04的版本

Linear Correlation Analysis.png
节点状态
PC可用
在 V1.0部署
一般线性相关分析
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名一般线性相关分析
功能主类别数据分析
英文缩写LCOR
功能亚类别相关分析
节点类型数据挖掘
开发语言R
节点简介

一般线性相关分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。

变量之间的关系可以分为确定关系和非确定性关系。确定性关系，可以说是函数关系，也就是说对于某一变量的每个数值都有另一变量的完全确定的值与之对应。非确定性关系，即这里所说的相关关系，变量之间存在一定的依存关系，但不是一一对应的关系，即相随变动关系。此相关分析使用的方法有: pearson, spearman, 和kendall。

用途：用于衡量两个或多个变量间的线性关系强度和方向。检测两个连续变量之间是否存在线性关系的常用方法。

参数：选择数值变量

端口数量与逻辑控制(PC)
Input-入口4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
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点球形检验
下一节点一般线性相关分析
WikimediaUI-Globe.svg相关网站



属性“Nodeicon”（作为页面类型）与输入值“File:”包含无效字符或不完整，并因此在查询或注释过程期间导致意外结果。


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=一般线性相关分析&oldid=2429”
最近修改
此页面最后编辑于2023年12月4日 (星期一) 22:04。
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].