新页面

2023年12月2日 (六) 22:36 ‎ROC曲线（历史 | 编辑） ‎[1,224字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=ROC曲线|nodeimage=ROC Curve.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::ROC Curve|abbreviation=ROC|funcmaincategory=机器学习|funcsubcategory=Eva Lv1 Cat::模型评估|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=ROC（Receiver Operating Characteristic）曲线是评估二分类模型性能的一种常…”）
2023年12月2日 (六) 22:36 ‎基础评估节点（历史 | 编辑） ‎[1,236字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=基础评估节点|nodeimage=ROC Curve.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::ROC Curve|abbreviation=ROC|funcmaincategory=机器学习|funcsubcategory=Eva Lv1 Cat::模型评估|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=用于多数据集的机器学习基础评估。包含混淆矩阵，准确度（Ac…”）
2023年12月2日 (六) 22:36 ‎通用预测模块（历史 | 编辑） ‎[1,173字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=通用预测模块|nodeimage=Max Entropy.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Max Entropy|abbreviation=MAXE|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=将测试集的数据导入训练好的机器学习的分类模型并计…”）
2023年12月2日 (六) 22:36 ‎朴素贝叶斯（历史 | 编辑） ‎[6,374字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=朴素贝叶斯|nodeimage=Naïve Bayes.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Naïve Bayes|abbreviation=NB|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=朴素贝叶斯（Naive Bayes）是一种基于贝叶斯定理的机器学…”）
2023年12月2日 (六) 22:36 ‎随机森林（历史 | 编辑） ‎[5,898字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=随机森林|nodeimage=Random Forest.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Random Forest|abbreviation=RF_Model|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=随机森林（Random Forest）是一种基于集成学习的机器学…”）
2023年12月2日 (六) 22:36 ‎LightGBM （历史 | 编辑） ‎[3,924字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=LightGBM|nodeimage=Boosting_LightGBM.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Boosting_LightGBM|abbreviation=LightGBM|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=LightGBM是一种基于梯度提升树（Gradient Boosting Tree）…”）
2023年12月2日 (六) 22:36 ‎Logistic分类器（历史 | 编辑） ‎[6,489字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=Logistic分类器|nodeimage=Boosting_LightGBM.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Boosting_LightGBM|abbreviation=LightGBM|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=在机器学习中，逻辑回归分类器（Logistic Regr…”）
2023年12月2日 (六) 22:35 ‎CatBoost （历史 | 编辑） ‎[3,771字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=CatBoost|nodeimage=Boosting_CatBoost.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Boosting_CatBoost|abbreviation=CatBoost|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=CatBoost是一种基于梯度提升树的机器学习算法，由Ya…”）
2023年12月2日 (六) 22:35 ‎XGBoost （历史 | 编辑） ‎[4,006字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=XGBoost|nodeimage=Boosting_XGBoost.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Boosting_XGBoost|abbreviation=XGBoost|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=XGBoost（eXtreme Gradient Boosting）是一种梯度提升树算法的…”）
2023年12月2日 (六) 22:35 ‎AdaBoost （历史 | 编辑） ‎[4,772字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=AdaBoost|nodeimage=Boosting_AdaBoost.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Boosting_AdaBoost|abbreviation=AdaBoost|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=AdaBoost（Adaptive Boosting）是一种集成学习算法，通过…”）
2023年12月2日 (六) 22:35 ‎梯度提升树（历史 | 编辑） ‎[5,741字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=梯度提升树|nodeimage=Boosting_GBDT.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Boosting_GBDT|abbreviation=GBDT|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=梯度提升树（Gradient Boosting Tree）是一种集成学习算法…”）
2023年12月2日 (六) 22:34 ‎支持向量机（历史 | 编辑） ‎[4,766字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=支持向量机|nodeimage=Support Vector Machine.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Support Vector Machine|abbreviation=SVM|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=支持向量机（Support Vector Machine，简称SVM）…”）
2023年12月2日 (六) 22:34 ‎决策树（历史 | 编辑） ‎[6,431字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=决策树|nodeimage=Decision Tree _ C45.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Decision Tree _ C45|abbreviation=DT_C45|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::分类器|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=决策树算法是一种基于树结构的有监督机器学习…”）
2023年12月2日 (六) 22:34 ‎导入测试集（历史 | 编辑） ‎[1,425字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=导入测试集|nodeimage=Decision Tree _ ID3.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Decision Tree _ ID3|abbreviation=DT_ID3|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::拆分训练测试集|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=将导入的数据集转换成测试集。…”）
2023年12月2日 (六) 22:34 ‎导入训练集（历史 | 编辑） ‎[1,436字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=导入训练集|nodeimage=Decision Tree _ ID3.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Decision Tree _ ID3|abbreviation=DT_ID3|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::拆分训练测试集|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=将导入的数据集转换成训练集。…”）
2023年12月2日 (六) 22:33 ‎拆分训练测试集（历史 | 编辑） ‎[4,047字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=拆分训练测试集|nodeimage=Decision Tree _ ID3.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Decision Tree _ ID3|abbreviation=DT_ID3|funcmaincategory=机器学习|funcsubcategory=DataML Lv1 Cat::拆分训练测试集|nodecategory=数据挖掘|nodeinterpretor=Python|nodeshortdescription=拆分训练集和测试集是机器学…”）
2023年12月2日 (六) 22:33 ‎倾向性评分匹配（历史 | 编辑） ‎[1,922字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=倾向性评分匹配|nodeimage=Propensity Score Matching.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Propensity Score Matching|abbreviation=PSM|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::多元分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=倾向性评分匹配是使用非实验数…”）
2023年12月2日 (六) 22:33 ‎多重插补（历史 | 编辑） ‎[1,731字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=多重插补|nodeimage=Multiple Imputation.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Multiple Imputation|abbreviation=MI|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::综合分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=利用蒙特卡洛模拟法（MCMC)将原始数据插补成几个…”）
2023年12月2日 (六) 22:33 ‎碎石检验（历史 | 编辑） ‎[1,774字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=碎石检验|nodeimage=Clustering Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Clustering Analysis|abbreviation=CLA|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::多元分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=碎石检验（scree test）是根据碎石图来决定因素数…”）
2023年12月2日 (六) 22:33 ‎最大似然因子分析（历史 | 编辑） ‎[1,899字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=最大似然因子分析|nodeimage=Clustering Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Clustering Analysis|abbreviation=CLA|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::多元分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=因子分析(Factor Analysis)是主成分分析的推…”）
2023年12月2日 (六) 22:33 ‎聚类分析（历史 | 编辑） ‎[1,775字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=聚类分析|nodeimage=Clustering Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Clustering Analysis|abbreviation=CLA|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::多元分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=聚类分析是一种无监督学习方法, 用于将数据集中…”）
2023年12月2日 (六) 22:33 ‎主成分分析(PCA) （历史 | 编辑） ‎[2,198字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=主成分分析(PCA)|nodeimage=Principal Component Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Principal Component Analysis|abbreviation=PCA|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::多元分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=主成分分析（Principal Component A…”）
2023年12月2日 (六) 22:32 ‎限制性平均生存时间（历史 | 编辑） ‎[1,663字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=限制性平均生存时间|nodeimage=Multi_Factor Competition Risk Model.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Multi_Factor Competition Risk Model|abbreviation=RMS|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::生存分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=描述受试人群…”）
2023年12月2日 (六) 22:32 ‎多因素竞争风险模型（历史 | 编辑） ‎[1,805字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=多因素竞争风险模型|nodeimage=Multi_Factor Competition Risk Model.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Multi_Factor Competition Risk Model|abbreviation=CRMM|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::生存分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=风险模型是…”）
2023年12月2日 (六) 22:32 ‎竞争风险模型（历史 | 编辑） ‎[1,722字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=竞争风险模型|nodeimage=Single_Factor Competition Risk Model.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Single_Factor Competition Risk Model|abbreviation=CRMS|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::生存分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=竞争风险模型是在…”）
2023年12月2日 (六) 22:32 ‎多因素COX回归（历史 | 编辑） ‎[1,926字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=多因素COX回归|nodeimage=Multi_Factor Cox Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Multi_Factor Cox Regression|abbreviation=COXM|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::生存分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=多因素COX回归是多个变量的比例…”）
2023年12月2日 (六) 22:32 ‎单因素COX回归（历史 | 编辑） ‎[1,800字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=单因素COX回归|nodeimage=Single_Factor Cox Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Single_Factor Cox Regression|abbreviation=COXS|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::生存分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=单因素COX回归是单个变量的比…”）
2023年12月2日 (六) 22:32 ‎KM生存曲线（历史 | 编辑） ‎[1,743字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=KM生存曲线|nodeimage=Kaplan_Meier Survival Curve.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Kaplan_Meier Survival Curve|abbreviation=KM|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::生存分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=KM生存曲线是生存概率与时间的关系…”）
2023年12月2日 (六) 22:31 ‎两样本配对T检验（历史 | 编辑） ‎[18,448字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=两样本配对T检验|nodeimage=Paired Samples T_test.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Paired Samples T_test|abbreviation=PT_Test|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::参数检验|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=两样本配对T检验是利用来自两个配…”）
2023年12月2日 (六) 22:31 ‎两独立样本T检验（历史 | 编辑） ‎[43,122字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=两独立样本T检验|nodeimage=Two Independent Samples T_test.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Two Independent Samples T_test|abbreviation=TT_Test|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::参数检验|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=两独立样本T检验是利…”）
2023年12月2日 (六) 22:31 ‎单样本T检验（历史 | 编辑） ‎[2,654字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=单样本T检验|nodeimage=One Sample T_Test.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::One Sample T_Test|abbreviation=OT_Test|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::参数检验|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=单样本T检验是一种统计学上的假设检验,用于…”）
2023年12月2日 (六) 22:31 ‎Lasso回归泊松（历史 | 编辑） ‎[2,041字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=Lasso回归_泊松|nodeimage=Lasso Regression_Poisson.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Lasso Regression_Poisson|abbreviation=LASSO_Poisson|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=LASSO回归是对回归算法正则化…”）
2023年12月2日 (六) 22:31 ‎Lasso回归高斯（历史 | 编辑） ‎[2,013字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=Lasso回归_高斯|nodeimage=Lasso Regression_Gaussian.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Lasso Regression_Gaussian|abbreviation=LASSO_Gaussian|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=LASSO回归是对回归算法正则…”）
2023年12月2日 (六) 22:31 ‎Lasso回归生存状态（历史 | 编辑） ‎[2,132字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=Lasso回归_生存状态|nodeimage=Lasso Regression_Cox.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Lasso Regression_Cox|abbreviation=LASSO_Cox|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=LASSO回归是对回归算法正则化的一…”）
2023年12月2日 (六) 22:31 ‎Lasso回归二项式（历史 | 编辑） ‎[2,065字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=Lasso回归_二项式|nodeimage=Lasso Regression_Binomial.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Lasso Regression_Binomial|abbreviation=LASSO_Binary|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=LASSO回归是对回归算法正则…”）
2023年12月2日 (六) 22:31 ‎逐步回归（历史 | 编辑） ‎[1,791字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=逐步回归|nodeimage=Stepwise Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Stepwise Regression|abbreviation=SR|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=逐步回归是一种线性回归模型自变量选择方法,可…”）
2023年12月2日 (六) 22:31 ‎分位回归（历史 | 编辑） ‎[1,844字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=分位回归|nodeimage=Quantile Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Quantile Regression|abbreviation=QR|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=分位数回归是对一组自变量与因变量的特定百分位…”）
2023年12月2日 (六) 22:30 ‎广义相加混合模型逻辑（历史 | 编辑） ‎[2,131字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义相加混合模型_逻辑|nodeimage=Generalized Additive Mixed Model_Logistic.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Additive Mixed Model_Logistic|abbreviation=GAMM_Logistic|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescrip…”）
2023年12月2日 (六) 22:30 ‎广义相加混合模型高斯（历史 | 编辑） ‎[2,274字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义相加混合模型_高斯|nodeimage=Generalized Additive Mixed Model_Gaussian.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Additive Mixed Model_Gaussian|abbreviation=GAMM_Gaussian|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescrip…”）
2023年12月2日 (六) 22:30 ‎广义估计方程逻辑（历史 | 编辑） ‎[2,157字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义估计方程_逻辑|nodeimage=Generalized Estimating Equation_Logistic.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Estimating Equation_Logistic|abbreviation=GEE_Logistic|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=…”）
2023年12月2日 (六) 22:29 ‎广义估计方程高斯（历史 | 编辑） ‎[2,270字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义估计方程_高斯|nodeimage=Generalized Estimating Equation_Gaussian.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Estimating Equation_Gaussian|abbreviation=GEE_Gaussian|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=…”）
2023年12月2日 (六) 22:29 ‎广义相加模型逻辑（历史 | 编辑） ‎[2,134字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义相加模型_逻辑|nodeimage=Generalized Additive Model_Logistic.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Additive Model_Logistic|abbreviation=GAM_Logistic|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=广义相…”）
2023年12月2日 (六) 22:29 ‎广义相加模型高斯（历史 | 编辑） ‎[2,316字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义相加模型_高斯|nodeimage=Generalized Additive Model_Gaussian.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Additive Model_Gaussian|abbreviation=GAM_Gaussian|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=广义相…”）
2023年12月2日 (六) 22:29 ‎广义线性回归伽玛（历史 | 编辑） ‎[1,884字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义线性回归_伽玛|nodeimage=Generalized Linear Model_Gamma.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Linear Model_Gamma|abbreviation=GLM_Gamma|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=广义线性回归是一…”）
2023年12月2日 (六) 22:29 ‎广义线性回归泊松（历史 | 编辑） ‎[2,038字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义线性回归_泊松|nodeimage=Generalized Linear Model_Poisson.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Linear Model_Poisson|abbreviation=GLM_Poisson|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=广义线性回归…”）
2023年12月2日 (六) 22:29 ‎广义线性回归负二项（历史 | 编辑） ‎[1,964字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=广义线性回归_负二项|nodeimage=Generalized Linear Model_Negative Binomial.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Generalized Linear Model_Negative Binomial|abbreviation=GLM_NegBinary|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescript…”）
2023年12月2日 (六) 22:28 ‎逻辑回归（历史 | 编辑） ‎[1,723字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=逻辑回归|nodeimage=Logistic Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Logistic Regression|abbreviation=Logistic|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=逻辑回归是一种用于解决二分类(0或1)问题的…”）
2023年12月2日 (六) 22:28 ‎线性回归（历史 | 编辑） ‎[1,805字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=线性回归|nodeimage=Linear Regression.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Linear Regression|abbreviation=LR|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::回归分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=线性回归是一种研究影响关系的方法，利用称为线性…”）
2023年12月2日 (六) 22:28 ‎典型相关分析（历史 | 编辑） ‎[21,887字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=典型相关分析|nodeimage=Canonical Correlation Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Canonical Correlation Analysis|abbreviation=CCA|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::相关分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=典型相关分析是利用综合变…”）
2023年12月2日 (六) 22:28 ‎一般线性相关分析（历史 | 编辑） ‎[32,951字节] ‎Zeroclanzhang（讨论 | 贡献）（创建页面，内容为“{{Infobox nodebasic|nodename=一般线性相关分析|nodeimage=Linear Correlation Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Linear Correlation Analysis|abbreviation=LCOR|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::相关分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=一般线性相关分析是研究两…”）