0 / 0
Go back to the English version of the documentation
Właściwości węzła genlinnode
Last updated: 04 lip 2023
Właściwości węzła genlinnode

Ikona węzła GenLinUogólniony model liniowy (GenLin) rozszerza ogólny model liniowy, tak aby zmienna zależna była liniowo powiązana z czynnikami i współzmiennymi za pośrednictwem określonej funkcji łączenia. Model pozwala ponadto, aby zmienna zależna nie miała rozkładu normalnego. Obejmuje ona funkcjonalność dużej liczby modeli statystycznych, m.in. regresji liniowej, regresji logistycznej, modeli logarytmiczno-liniowych dla danych o liczebności.

Przykład

node = stream.create("genlin", "My node")
node.setPropertyValue("model_type", "MainAndAllTwoWayEffects")
node.setPropertyValue("offset_type", "Variable")
node.setPropertyValue("offset_field", "Claimant")
Tabela 1. właściwości węzła genlinnode
Właściwości węzła genlinnode Wartości Opis właściwości
target field (pole) Modele GenLin wymagają jednego pola docelowego, które musi być polem nominalnym lub flagowym, a także co najmniej jednym polem wejściowym. Można również określić zmienną ważącą. Więcej informacji na ten temat zawiera sekcja Właściwości wspólnego węzła modelowania .
use_weight Flaga  
weight_field field (pole) Dopuszczalne są tylko zmienne typu ciągłego.
target_represents_trials Flaga  
trials_type Variable FixedValue  
trials_field field (pole) Dopuszczalne są zmienne typu ciągłego, flagi lub porządkowe.
trials_number Liczba Wartość standardowa to 10.
model_type MainEffects MainAndAllTwoWayEffects  
offset_type Variable FixedValue  
offset_field field (pole) Dopuszczalne są tylko zmienne typu ciągłego.
offset_value Liczba Musi być liczbą rzeczywistą.
base_category Last First  
include_intercept Flaga  
mode Simple Expert  
distribution BINOMIAL GAMMA IGAUSS NEGBIN NORMAL POISSON TWEEDIE MULTINOMIAL IGAUSS: Inverse Gaussian. NEGBIN: Ujemny dwumianowy.
negbin_para_type Specify Estimate  
negbin_parameter Liczba Wartością domyślną jest 1. Musi zawierać nieujemną liczbę rzeczywistą.
tweedie_parameter Liczba  
link_function IDENTITY CLOGLOG LOG LOGC LOGIT NEGBIN NLOGLOG ODDSPOWER PROBIT POWER CUMCAUCHIT CUMCLOGLOG CUMLOGIT CUMNLOGLOG CUMPROBIT CLOGLOG: Komplementarny log-log. LOGC: uzupełnienie dzienników. NEGBIN: Ujemny dwumianowy. NLOGLOG: Ujemny log-log. CUMCAUCHIT: Skumulowany cauchit. CUMCLOGLOG: Skumulowany komplementarny log-log. CUMLOGIT: Skumulowany logit. CUMNLOGLOG: Skumulowany ujemny log-log. CUMPROBIT: Skumulowany probit.
power Liczba Wartość musi być niezerową liczbą rzeczywistą.
method Hybrid Fisher NewtonRaphson  
max_fisher_iterations Liczba Wartość domyślna to 1; dozwolone są tylko dodatnie liczby całkowite.
scale_method MaxLikelihoodEstimate Deviance PearsonChiSquare FixedValue  
scale_value Liczba Wartość domyślna to 1; wartość musi być większa od 0.
covariance_matrix ModelEstimator RobustEstimator  
max_iterations Liczba Wartość domyślna to 100; dopuszczalne są tylko nieujemne liczby całkowite.
max_step_halving Liczba Wartość domyślna to 5; dopuszczalne są tylko dodatnie liczby całkowite.
check_separation Flaga  
start_iteration Liczba Wartość domyślna to 20; dozwolone są tylko dodatnie liczby całkowite.
estimates_change Flaga  
estimates_change_min Liczba Wartość domyślna to 1E-006; dozwolone są tylko dodatnie liczby całkowite.
estimates_change_type Absolute Relative  
loglikelihood_change Flaga  
loglikelihood_change_min Liczba Dopuszczalne są tylko dodatnie liczby całkowite.
loglikelihood_change_type Absolute Relative  
hessian_convergence Flaga  
hessian_convergence_min Liczba Dopuszczalne są tylko dodatnie liczby całkowite.
hessian_convergence_type Absolute Relative  
case_summary Flaga  
contrast_matrices Flaga  
descriptive_statistics Flaga  
estimable_functions Flaga  
model_info Flaga  
iteration_history Flaga  
goodness_of_fit Flaga  
print_interval Liczba Wartość domyślna to 1; wartość musi być dodatnią liczbą całkowitą.
model_summary Flaga  
lagrange_multiplier Flaga  
parameter_estimates Flaga  
include_exponential Flaga  
covariance_estimates Flaga  
correlation_estimates Flaga  
analysis_type TypeI TypeIII TypeIAndTypeIII  
statistics Wald LR  
citype Wald Profile  
tolerancelevel Liczba Wartość domyślna to 0,0001.
confidence_interval Liczba Wartość domyślna to 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 Flaga  
calculate_raw_propensities Flaga  
calculate_adjusted_propensities Flaga  
adjusted_propensity_partition Test Validation  
Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more