广义相加混合模型 伽玛

来自决策链云智库
Zeroclanzhang讨论 | 贡献2024年1月18日 (四) 22:13的版本 (创建页面,内容为“{{Infobox nodebasic |nodename=广义相加混合模型_伽玛 |nodeimage=Generalized Additive Mixed Model_Gamma.png |icon=Generalized Additive Mixed Model_Gamma.svg |simpleicon=Generalized Additive Mixed Model_Gamma_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 Mixed…”)
(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)
Generalized Additive Mixed Model Gamma.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_伽玛Generalized Additive Mixed Model Gamma.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名广义相加混合模型 伽玛
功能主类别数据分析
英文缩写广义相加混合模型 伽玛
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。伽玛回归是因变量为正数的回归,不能是0和负数。用来解决的问题是要等到n个随机事件都发生,需要经历多久时间。

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。可以分析正的连续数据,同时考虑固定效应和随机效应。

参数:选择正数连续型伽玛分布因变量,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
上一节点广义估计方程_泊松
下一节点广义相加混合模型_负二项




查找其他类别的节点,请参考以下列表