广义相加混合模型 泊松: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_泊松 |nodeimage=Generalized Additive Mixed Model_Poisson.png |icon=Generalized Additive Mixed Model_Poisson.svg |simpleicon=Generalized Additive Mixed 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…”)
 
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_Poisson]]
|nodeenglishname=Generalized Additive Mixed Model_Poisson
|abbreviation=[[Has abbreviation::GAMMPoisson]]
|abbreviation=GAMMPoisson
|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/广义相加混合模型_泊松
|statsapewikiurl=https://wiki.statsape.com/广义相加混合模型_泊松
|previousnode=[[广义相加混合模型_负二项]]
|previousnode=[[广义相加混合模型_负二项]]
|nextnode=[[Ridge回归_二项式]]
|nextnode=[[分位回归]]
}}
}}





2024年1月19日 (五) 19:13的最新版本

Generalized Additive Mixed Model Poisson.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_泊松Generalized Additive Mixed Model Poisson.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_Poisson
功能主类别数据分析
英文缩写GAMMPoisson
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。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: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。可以处理非线性关系的计数数据,同时考虑固定效应和随机效应。

参数:选择泊松分布因变量,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_负二项
下一节点分位回归




查找其他类别的节点,请参考以下列表