可生成图片类型（推荐）
 | |
| 节点状态 |  /  Win10及以上可用在V1.0.2部署
|
|---|---|
限制性立方样条  | |
| 节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
| 节点英文名 | 限制性立方样条 |
| 功能主类别 | 数据分析 |
| 英文缩写 | 限制性立方样条 |
| 功能亚类别 | 生存分析 |
| 节点类型 | 数据挖掘 |
| 开发语言 | R |
| 节点简介 | |
限制性立方样条是一种回归分析方法，常用于探索一个自变量与因变量之间的非线性关系，特别是在分析复杂的生存数据时常用。在限制性立方条样检验中，自变量会被分段处理成若干条线性线段，然后每个线性线段内使用一个三次函数进行建模。这样，就能够在不使用复杂的非线性函数的情况下，建模自变量与因变量之间的非线性关系。同时，为了控制模型过拟合，还可以设置一些限制条件，例如限制函数的两端在自变量较小或较大时趋近于零，或者设置一些平滑性约束。此分析使用的方法有COX回归和逻辑回归。 用途：用于拟合非线性数据，同时，由于其在边界的限制性特性，它可以避免过度拟合的问题。 参数：选择生存状态或者二分类因变量，时间变量，自变量和限制性立方条样变量及对应节点数。 | |
| 端口数量与逻辑控制(PC) | |
| Input-入口 | 4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 | 验证性因子分析 |
| 下一节点 | 智能筛选限制性立方样条节点 |
查找其他类别的节点，请参考以下列表
列表
数据处理节点
数据输入
变量处理
行列处理
矩阵处理
表格处理
列表
数据分析节点
描述性统计
统计检验
方差分析
相关分析
回归分析
Lasso回归 二项式Lasso回归 泊松Lasso回归 生存状态Lasso回归 高斯PLS回归Ridge回归 二项式Ridge回归 泊松Ridge回归 生存状态Ridge回归 高斯分位回归多分类逻辑回归多项式回归广义估计方程 伽玛广义估计方程 泊松广义估计方程 负二项广义估计方程 逻辑广义估计方程 高斯广义相加模型 伽玛广义相加模型 泊松广义相加模型 负二项广义相加模型 逻辑广义相加模型 高斯广义相加混合模型 伽玛广义相加混合模型 泊松广义相加混合模型 负二项广义相加混合模型 逻辑广义相加混合模型 高斯广义线性回归 伽玛广义线性回归 泊松广义线性回归 负二项广义线性回归 逆概率加权联合标准差稳健线性回归线性回归逐步回归逻辑回归
时序分析
潜变量分析
生存分析
多元分析
综合分析
列表
机器学习节点
列表
AI和神经网络
环境检测
