0 / 0
Volver a la versión inglesa de la documentación
propiedades de genlinnode
Última actualización: 07 oct 2024
propiedades de genlinnode

Icono de nodo GenLinEl modelo lineal generalizado (GenLin) expande el modelo lineal general para que la variable dependiente se relacione linealmente con los factores y las covariables a través de una función de enlace especificada. Además, el modelo permite que la variable dependiente tenga una distribución no normal. Cubre la funcionalidad de un amplio número de modelo estadísticos, incluyendo regresión lineal, regresión logística, modelos log lineales para recuento de datos y modelos de supervivencia censurados por intervalos.

Ejemplo

node = stream.create("genlin", "My node")
node.setPropertyValue("model_type", "MainAndAllTwoWayEffects")
node.setPropertyValue("offset_type", "Variable")
node.setPropertyValue("offset_field", "Claimant")
Tabla 1. propiedades de genlinnode
Propiedades de genlinnode Valores Descripción de la propiedad
target campo Los modelos GenLin requieren un único campo objetivo que debe ser un campo nominal o de identificador y uno o más campos de entrada. También se puede especificar un campo de ponderación. Consulte Propiedades comunes del nodo de modelado para obtener más información.
use_weight distintivo  
weight_field campo El tipo de campo es únicamente continuo.
target_represents_trials distintivo  
trials_type Variable FixedValue  
trials_field campo El tipo de campo es continuo, marca u ordinal.
trials_number número El valor predeterminado es 10.
model_type MainEffects MainAndAllTwoWayEffects  
offset_type Variable FixedValue  
offset_field campo El tipo de campo es únicamente continuo.
offset_value número Debe ser un número real.
base_category Last First  
include_intercept distintivo  
mode Simple Expert  
distribution BINOMIAL GAMMA IGAUSS NEGBIN NORMAL POISSON TWEEDIE MULTINOMIAL IGAUSS: Gauss inverso. NEGBIN: Binomial negativa.
negbin_para_type Specify Estimate  
negbin_parameter número El valor predeterminado es 1. Debe contener un número real no negativo.
tweedie_parameter número  
link_function IDENTITY CLOGLOG LOG LOGC LOGIT NEGBIN NLOGLOG ODDSPOWER PROBIT POWER CUMCAUCHIT CUMCLOGLOG CUMLOGIT CUMNLOGLOG CUMPROBIT CLOGLOG: log-log complementario. LOGC: complemento log. NEGBIN: Binomial negativa. NLOGLOG: Log-log negativo. CUMCAUCHIT: Cauchit acumulativo. CUMCLOGLOG: Log-log complementario acumulativo. CUMLOGIT: Logit acumulativo. CUMNLOGLOG: Log-log negativo acumulativo. CUMPROBIT: Probit acumulativo.
power número El valor debe ser real y distinto de cero.
method Hybrid Fisher NewtonRaphson  
max_fisher_iterations número El valor predeterminado es 1; sólo se admiten enteros positivos.
scale_method MaxLikelihoodEstimate Deviance PearsonChiSquare FixedValue  
scale_value número El valor predeterminado es 1; debe ser mayor que 0.
covariance_matrix ModelEstimator RobustEstimator  
max_iterations número El valor predeterminado es 100; sólo enteros no negativos.
max_step_halving número El valor predeterminado es 5; sólo enteros positivos.
check_separation distintivo  
start_iteration número El valor predeterminado es 20; sólo se admiten enteros positivos.
estimates_change distintivo  
estimates_change_min número El valor predeterminado es 1E-006; sólo se admiten números positivos.
estimates_change_type Absolute Relative  
loglikelihood_change distintivo  
loglikelihood_change_min número Sólo se admiten números positivos.
loglikelihood_change_type Absolute Relative  
hessian_convergence distintivo  
hessian_convergence_min número Sólo se admiten números positivos.
hessian_convergence_type Absolute Relative  
case_summary distintivo  
contrast_matrices distintivo  
descriptive_statistics distintivo  
estimable_functions distintivo  
model_info distintivo  
iteration_history distintivo  
goodness_of_fit distintivo  
print_interval número El valor predeterminado es 1; debe ser un entero positivo.
model_summary distintivo  
lagrange_multiplier distintivo  
parameter_estimates distintivo  
include_exponential distintivo  
covariance_estimates distintivo  
correlation_estimates distintivo  
analysis_type TypeI TypeIII TypeIAndTypeIII  
statistics Wald LR  
citype Wald Profile  
tolerancelevel número El valor predeterminado es 0.0001.
confidence_interval número El valor predeterminado es 95.
loglikelihood_function Full Kernel  
singularity_tolerance 1E-007 1E-008 1E-009 1E-010 1E-011 1E-012  
value_order Ascending Descending DataOrder  
calculate_variable_importance distintivo  
calculate_raw_propensities distintivo  
calculate_adjusted_propensities distintivo  
adjusted_propensity_partition Test Validation  
Búsqueda y respuesta de IA generativa
Estas respuestas las genera un modelo de lenguaje grande en watsonx.ai que se basa en el contenido de la documentación del producto. Más información