广义相加混合模型 逻辑:修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
第2行: 第2行:
|nodename=广义相加混合模型_逻辑
|nodename=广义相加混合模型_逻辑
|nodeimage=Generalized Additive Mixed Model_Logistic.png
|nodeimage=Generalized Additive Mixed Model_Logistic.png
|icon=Generalized Additive Mixed Model_Logistic.svg
|simpleicon=Generalized Additive Mixed Model_Logistic_Pure.svg
|developer=Dev.Team-DPS
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstate=PC可用
第19行: 第21行:
|nodeavailabletablelist=Table_For_Downstream
|nodeavailabletablelist=Table_For_Downstream
|nodeconfiguration=VariableList
|nodeconfiguration=VariableList
|nodeinputports=WorkFlow-Control ;Transfer-Table ■
|nodeinputports=WorkFlow-Control 🠶;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ;Transfer-Table ■
|nodeoutputports=WorkFlow-Control 🠶;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/广义相加混合模型_逻辑
|statsapewikiurl=https://wiki.statsape.com/广义相加混合模型_逻辑
|previousnode=[[广义相加混合模型_高斯]]
|previousnode=[[广义相加混合模型_高斯]]
|nextnode=[[分位回归]]
|nextnode=[[分位回归]]
}}
}}





2023年12月8日 (五) 10:51的版本

Generalized Additive Mixed Model Logistic.png
节点状态
PC可用
V1.0部署
广义相加混合模型_逻辑Generalized Additive Mixed Model Logistic.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名广义相加混合模型 逻辑
功能主类别数据分析
英文缩写GAMM_Logistic
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。

逻辑回归是一种用于解决二分类(0或1)问题的机器学习方法,用于估计某种事物的可能性。原理是用逻辑函数把线性回归的结果映射到(0,1),该模型中的参数或系数通常通过最大似然估计方法进行估算。

用途:允许在模型中引入随机效应,处理数据的群体层面的异质性或者连续性的依赖关系,处理各种复杂的二分类问题,同时考虑固定效应和随机效应。

参数:选择二分类因变量,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
If/Switch-支持逻辑判断
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
上一节点广义相加混合模型_高斯
下一节点分位回归




查找其他类别的节点,请参考以下列表