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_负二项 |nodeimage=Generalized Additive Mixed Model_Negative Binomial.png |icon=Generalized Additive Mixed Model_Negative Binomial.svg |simpleicon=Generalized Additive Mixed Model_Negative Binomial_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 e…”) |
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_Negative Binomial | ||
|abbreviation= | |abbreviation=GAMMNBin | ||
|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27行: | 第27行: | ||
|nextnode=[[广义相加混合模型_泊松]] | |nextnode=[[广义相加混合模型_泊松]] | ||
}} | }} | ||
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_负二项 | |
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_Negative Binomial |
功能主类别 | 数据分析 |
英文缩写 | GAMMNBin |
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。负二项回归是因变量为计数变量的回归,而且要满足以下条件:各观测行间是非独立的,事件的发生有空间聚集现象,因变量存在过离散现象,即方差远大于均数。 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。用于处理具有过度离散特性的计数数据和复杂的非线性关系,同时考虑固定效应和随机效应。 参数:选择非负整数且分布具有过度离散性因变量,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_伽玛 |
下一节点 | 广义相加混合模型_泊松 |
查找其他类别的节点,请参考以下列表