广义相加混合模型 负二项:修订间差异

来自决策链云智库
(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…”)
 
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::Generalized Additive Mixed Model_Negative Binomial]]
|nodeenglishname=Generalized Additive Mixed Model_Negative Binomial
|abbreviation=[[Has abbreviation::GAMMNBin]]
|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

Generalized Additive Mixed Model Negative Binomial.png
节点状态
Windows / Windows 10 Win10及以上可用
V1.0.2部署
广义相加混合模型_负二项Generalized Additive Mixed Model Negative Binomial.svg
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
If/Switch-支持逻辑判断
输入输出
可生成图片类型(推荐)
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