可生成图片类型（推荐）
可生成数据表类型（推荐）
 | |
| 节点状态 |  /  Win10及以上可用在V1.0部署
|
|---|---|
分位回归  | |
| 节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
| 节点英文名 | Quantile Regression |
| 功能主类别 | 数据分析 |
| 英文缩写 | QtReg |
| 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 | |
分位数回归是对一组自变量与因变量的特定百分位数(分位数)之间的关系建模。分位数回归的原因就是因为不希望仅仅是研究因变量y的期望，而是希望能探索y的完整分布状况，和了解y的某个分位数。优势是不会假设目标变量的分布,和趋向于抑制偏离观测值的影响。此算法用户可以输入设置任意分位数。 用途：关注因变量的均值如何随着自变量的变化而变化，而且还关注因变量的整个分布如何随着自变量的变化而变化。可以帮助研究这种非均匀的影响，自变量对因变量的影响可能随着因变量的值而变化。 参数：选择数值因变量，和自变量 | |
| 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 | 广义相加混合模型_泊松 |
| 下一节点 | 逐步回归 |
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
