About cookies on this site Our websites require some cookies to function properly (required). In addition, other cookies may be used with your consent to analyze site usage, improve the user experience and for advertising. For more information, please review your options. By visiting our website, you agree to our processing of information as described in IBM’sprivacy statement. To provide a smooth navigation, your cookie preferences will be shared across the IBM web domains listed here.
資料の 英語版 に戻る
GLE ノード (SPSS Modeler)
GLE ノード
最終更新: 2025年2月11日
GLE モデルは、指定したリンク関数を介して因子および共変量に線型に関連する従属変数を識別します。 さらにこのモデルでは、非正規分布の従属変数を使用することができます。 一般化線型モデルは、正規分布した回答の回帰、バイナリ データのためのロジスティック・モデル、計数データのための対数線型モデル、間隔を決めて検閲される延命データのための補数対数-対数モデルなどの広く使用される統計モデルに加えて、一般的なモデルの定式を通じて多くのほかの統計モデルも対象とします。
例: 出荷会社は、一般線形モデルを使用して、異なる期間に構成されたいくつかのタイプの船の損害数にポアソン回帰を適合させることができます。また、結果のモデルは、どの出荷タイプが最も損傷を受けるかを判別するのに役立ちます。
自動車保険会社は、一般線形モデルを使用して、自動車の損害請求に対するガンマ回帰を適合させることができ、結果のモデルは、請求サイズに最も影響を与える要因を判別するのに役立ちます。
医学研究者は、一般線形モデルを使用して、間隔を検閲しない生存データに対する補完的な対数ログ回帰に適合させることができ、病状の再発を予測することができます。
GLE モデルは、入力フィールドの値を出力フィールドの値に関係付ける方程式を作成することで機能します。 モデルが生成された後、それを使用して新しいデータの値を推定できます。
カテゴリ型対象の場合、レコードごとに、各出力カテゴリ候補の所属確率が算出されます。 最も確率の高い対象カテゴリーが、そのレコードの予測出力値として割り当てられます。
要件。 1 つ以上の入力フィールドと、複数のカテゴリーを持つ 1 つの対象フィールド (
、 Continuous
、または Categorical
の測定レベルを持つことができます) が必要です。 モデルで使用するフィールド・タイプは、完全にインスタンス化する必要があります。Flag
注: 最初にフローを作成するときに、使用するランタイムを選択します。 デフォルト設定の場合、IBM SPSS Modeler ランタイムがフローで使用されます。 SPSS アルゴリズムではなくネイティブの Spark アルゴリズムを使用する場合は、Spark ランタイムを選択します。 このノードのプロパティーは、選択したランタイム・オプションによって異なります。
トピックは役に立ちましたか?
0/1000