genlinnode 특성 | IBM Cloud Pak for Data as a Service

영어 버전 문서로 돌아가기

genlinnode 특성

마지막 업데이트 날짜: 2024년 10월 07일

genlinnode 특성

GenLin 노드 아이콘 일반화 선형 (GenLin) 모델은 종속변수가 지정된 연결 함수를 통해 요인 및 공변량과 선형적으로 관련되도록 일반 선형 모델을 확장합니다. 더욱이 모델을 사용하면 종속변수가 비정규 분포를 가질 수 있습니다. 선형 회귀, 로지스틱 회귀분석, 카운트 데이터에 대한 로그선형 모델, 간격 중도절단 생존 모델을 포함하여 상당수 통계 모델의 기능을 포함합니다.

예

node = stream.create("genlin", "My node")
node.setPropertyValue("model_type", "MainAndAllTwoWayEffects")
node.setPropertyValue("offset_type", "Variable")
node.setPropertyValue("offset_field", "Claimant")

표 1. genlinnode 특성
`genlinnode` 특성	값	특성 설명
`target`	필드	GenLin 모델에는 명목 또는 플래그 필드이어야 하는 단일 목표 필드와 하나 이상의 입력 필드가 필요합니다. 가중 필드도 지정할 수 있습니다. 자세한 정보는 공통 모델링 노드 특성 을 참조하십시오.
`use_weight`	플래그
`weight_field`	필드	필드 유형은 단지 연속형입니다.
`target_represents_trials`	플래그
`trials_type`	`Variable` `FixedValue`
`trials_field`	필드	필드 유형은 연속형, 플래그 또는 순서형입니다.
`trials_number`	Number	기본값은 10입니다.
`model_type`	`MainEffects` `MainAndAllTwoWayEffects`
`offset_type`	`Variable` `FixedValue`
`offset_field`	필드	필드 유형은 단지 연속형입니다.
`offset_value`	Number	실수여야 합니다.
`base_category`	`Last` `First`
`include_intercept`	플래그
`mode`	`Simple` `Expert`
`distribution`	`BINOMIAL` `GAMMA` `IGAUSS` `NEGBIN` `NORMAL` `POISSON` `TWEEDIE` `MULTINOMIAL`	`IGAUSS`: 역 가우스. `NEGBIN`: 음이항.
`negbin_para_type`	`Specify` `Estimate`
`negbin_parameter`	Number	기본값은 1입니다. 음수가 아닌 실수를 포함해야 합니다.
`tweedie_parameter`	Number
`link_function`	`IDENTITY` `CLOGLOG` `LOG` `LOGC` `LOGIT` `NEGBIN` `NLOGLOG` `ODDSPOWER` `PROBIT` `POWER` `CUMCAUCHIT` `CUMCLOGLOG` `CUMLOGIT` `CUMNLOGLOG` `CUMPROBIT`	`CLOGLOG`: 보충 로그-로그. `LOGC`: 로그 보완. `NEGBIN`: 음이항. `NLOGLOG`: 음수 로그-로그. `CUMCAUCHIT`: 누적 소작입니다. `CUMCLOGLOG`: 누적 보 로그-로그. `CUMLOGIT`: 누적 로짓입니다. `CUMNLOGLOG`: 누적 음수 로그-로그. `CUMPROBIT`: 누적 프로빗.
`power`	Number	값은 실수로 0이 아닌 숫자여야 합니다.
`method`	`Hybrid` `Fisher` `NewtonRaphson`
`max_fisher_iterations`	Number	기본값은 1입니다. 양의 정수만 허용됩니다.
`scale_method`	`MaxLikelihoodEstimate` `Deviance` `PearsonChiSquare` `FixedValue`
`scale_value`	Number	기본값은 1입니다. 0보다 커야 합니다.
`covariance_matrix`	`ModelEstimator` `RobustEstimator`
`max_iterations`	Number	기본값은 100입니다. 음이 아닌 정수만 가능합니다.
`max_step_halving`	Number	기본값은 5입니다. 양의 정수만 가능합니다.
`check_separation`	플래그
`start_iteration`	Number	기본값은 20입니다. 양의 정수만 허용됩니다.
`estimates_change`	플래그
`estimates_change_min`	Number	기본값은 1E-006입니다. 양수만 허용됩니다.
`estimates_change_type`	`Absolute` `Relative`
`loglikelihood_change`	플래그
`loglikelihood_change_min`	Number	양수만 허용됩니다.
`loglikelihood_change_type`	`Absolute` `Relative`
`hessian_convergence`	플래그
`hessian_convergence_min`	Number	양수만 허용됩니다.
`hessian_convergence_type`	`Absolute` `Relative`
`case_summary`	플래그
`contrast_matrices`	플래그
`descriptive_statistics`	플래그
`estimable_functions`	플래그
`model_info`	플래그
`iteration_history`	플래그
`goodness_of_fit`	플래그
`print_interval`	Number	기본값은 1입니다. 양의 정수여야 합니다.
`model_summary`	플래그
`lagrange_multiplier`	플래그
`parameter_estimates`	플래그
`include_exponential`	플래그
`covariance_estimates`	플래그
`correlation_estimates`	플래그
`analysis_type`	`TypeI` `TypeIII` `TypeIAndTypeIII`
`statistics`	`Wald` `LR`
`citype`	`Wald` `Profile`
`tolerancelevel`	Number	기본값은 0.0001입니다.
`confidence_interval`	Number	기본값은 95입니다.
`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`	플래그
`calculate_raw_propensities`	플래그
`calculate_adjusted_propensities`	플래그
`adjusted_propensity_partition`	`Test` `Validation`