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_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…”) |
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_Poisson | ||
|abbreviation= | |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=[[ | |nextnode=[[分位回归]] | ||
}} | }} | ||
2024年1月19日 (五) 19:13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_泊松 | |
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 | 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_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