gle, Eigenschaften

Letzte Aktualisierung: 11. Feb. 2025

gle, Eigenschaften

Symbol für GLE-Knoten Ein GLE-Modell erweitert lineare Modelle so, dass das Ziel nicht normalverteilt zu sein braucht und über eine angegebene Verknüpfungsfunktion in einer linearen Beziehung zu den Faktoren und Kovariaten steht und die Beobachtungen korreliert werden können. Verallgemeinerte lineare gemischte Modelle decken eine breite Palette verschiedener Modelle ab, von einfacher linearer Regression bis hin zu komplexen Mehrebenenmodellen für nicht normalverteilte Longitudinaldaten.

Tabelle 1. Gle-Eigenschaften
`gle`Eigenschaften	Werte	Eigenschaftsbeschreibung
`custom_target`	Markierung	Gibt an, ob das im vorgeordneten Knoten (`false`) definierte Ziel oder das durch`target_field` (`true`) angegebene benutzerdefinierte Ziel verwendet werden soll.
`target_field`	Feld	Feld, das als Ziel verwendet werden soll, wenn `custom_target`auf `true`gesetzt ist.
`use_trials`	Markierung	Gibt an, ob zusätzliche Felder oder Werte zur Angabe der Anzahl an Tests verwendet werden sollen, wenn es sich bei der Zielantwort um eine Reihe von Ereignissen handelt, die während Tests auftreten. Der Standardwert ist `false`.
`use_trials_field_or_value`	`Field` `Value`	Gibt an, ob die Anzahl an Test in einem Feld (Standard) oder als Wert angegeben werden soll.
`trials_field`	Feld	Feld zur Angabe der Anzahl an Tests.
`trials_value`	Ganze Zahl	Wert zur Angabe der Anzahl an Tests. Wenn angegeben, ist der Minimalwert 1.
`use_custom_target_reference`	Markierung	Gibt an, ob eine benutzerdefinierte Referenzkategorie für ein kategoriales Ziel verwendet werden soll. Der Standardwert ist `false`.
`target_reference_value`	Zeichenfolge	Referenzkategorie, die verwendet werden soll, wenn `use_custom_target_reference`auf `true`gesetzt ist.
`dist_link_combination`	`NormalIdentity` `GammaLog` `PoissonLog` `NegbinLog` `TweedieIdentity` `NominalLogit` `BinomialLogit` `BinomialProbit` `BinomialLogC` `CUSTOM`	Allgemeine Modelle für die Verteilung von Werten für das Ziel. Wählen Sie `CUSTOM`aus, um eine Verteilung aus der Liste anzugeben, die von `target_distribution`bereitgestellt wird.
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `INVERSE_GAUSS` `NEG_BINOMIAL` `Poisson` `TWEEDIE` `UNKNOWN`	Verteilung der Werte für das Ziel, wenn `dist_link_combination`auf `Custom`gesetzt ist.
`link_function_type`	`UNKNOWN` `IDENTITY` `LOG` `LOGIT` `PROBIT` `COMPL_LOG_LOG` `POWER` `LOG_COMPL` `NEG_LOG_LOG` `ODDS_POWER` `NEG_BINOMIAL` `GEN_LOGIT` `CUMUL_LOGIT` `CUMUL_PROBIT` `CUMUL_COMPL_LOG_LOG` `CUMUL_NEG_LOG_LOG` `CUMUL_CAUCHIT`	Verknüpfungsfunktion zum Herstellen von Beziehungen zwischen Zielwerten und Prädiktoren. Wenn`target_distribution` `Binomial`ist, können Sie Folgendes verwenden: `UNKNOWNIDENTITYLOGLOGITPROBITCOMPL_LOG_LOGPOWERLOG_COMPLNEG_LOG_LOGODDS_POWER` Wenn `target_distribution`auf `NEG_BINOMIAL`gesetzt ist, können Sie Folgendes verwenden: `NEG_BINOMIAL` Wenn `target_distributionUNKNOWN`ist, können Sie Folgendes verwenden: `GEN_LOGITCUMUL_LOGITCUMUL_PROBITCUMUL_COMPL_LOG_LOGCUMUL_NEG_LOG_LOGCUMUL_CAUCHIT`
`link_function_param`	Zahl	Zu verwendender Wert für Tweedie-Parameter. Nur anwendbar, wenn `normal_link_function`oder `link_function_type`auf `POWER`gesetzt ist.
`tweedie_param`	Zahl	Für die Verknüpfungsfunktion zu verwendender Parameterwert. Nur anwendbar, wenn `dist_link_combination`auf `TweedieIdentity`oder `link_function_type`auf `TWEEDIE`gesetzt ist.
`use_predefined_inputs`	Markierung	Gibt an, ob Modelleffektfelder als vorgeschaltete Eingabefelder (`true`) oder als solche aus `fixed_effects_list`(`false`) definiert werden sollen.
`model_effects_list`	strukturiert	Wenn `use_predefined_inputs`auf `false`gesetzt ist, werden die Eingabefelder angegeben, die als Modelleffektfelder verwendet werden.
`use_intercept`	Markierung	Bei `true`(Standardwert) wird der konstante Term in das Modell aufgenommen.
`regression_weight_field`	Feld	Zur Analysegewichtung zu verwendendes Feld.
`use_offset`	`None` `Value` `Variable`	Gibt an, wie der Offset festgelegt wird. Der Wert `None`bedeutet, dass kein Offset verwendet wird.
`offset_value`	Zahl	Wert für Offset, wenn `use_offset`auf `offset_value`gesetzt ist.
`offset_field`	Feld	Feld für den Offsetwert, wenn `use_offset`auf `offset_field`gesetzt ist.
`target_category_order`	`Ascending` `Descending`	Sortierreihenfolge für kategoriale Ziele. Der Standardwert ist `Ascending`.
`inputs_category_order`	`Ascending` `Descending`	Sortierreihenfolge für kategoriale Prädiktoren. Der Standardwert ist `Ascending`.
`max_iterations`	Ganze Zahl	Die maximale Anzahl der Iterationen, die im Algorithmus vorgenommen werden. Eine nicht negative Ganzzahl. Der Standardwert ist 100.
`confidence_level`	Zahl	Konfidenzniveau für die Berechnung von Intervallschätzungen der Modellkoeffizienten. Eine nicht negative Ganzzahl. Der Maximalwert ist 100 und der Standardwert ist 95.
`test_fixed_effects_coeffecients`	`Model` `Robust`	Methode zur Berechnung der Kovarianzmatrix für Parameterschätzungen.
`detect_outliers`	Markierung	Wenn dieser Wert wahr ist, sucht der Algorithmus für alle Verteilungen mit Ausnahme von multinomialen Verteilungen einflussreiche Ausreißer.
`conduct_trend_analysis`	Markierung	Wenn dieser Wert wahr ist, führt der Algorithmus Trendanalysen für das Streudiagramm durch.
`estimation_method`	`FISHER_SCORING` `NEWTON_RAPHSON` `HYBRID`	Dient zur Angabe des Algorithmus für Maximum-Likelihood-Schätzungen.
`max_fisher_iterations`	Ganze Zahl	Bei Verwendung von`FISHER_SCORING` `estimation_method`, die maximale Anzahl von Iterationen. Minimum: 0, Maximum: 20.
`scale_parameter_method`	`MLE` `FIXED` `DEVIANCE` `PEARSON_CHISQUARE`	Dient zur Angabe der für die Schätzung des Skalenparameters verwendeten Methode.
`scale_value`	Zahl	Nur verfügbar, wenn `scale_parameter_method`auf `Fixed`gesetzt ist.
`negative_binomial_method`	`MLE` `FIXED`	Dient zur Angabe der für die Schätzung des Hilfsparameters für negative Binomialverteilung verwendeten Methode.
`negative_binomial_value`	Zahl	Nur verfügbar, wenn `negative_binomial_method`auf `Fixed`gesetzt ist.
`use_p_converge`	Markierung	Option für Parameterkonvergenz.
`p_converge`	Zahl	Leerzeichen oder ein beliebiger positiver Wert.
`p_converge_type`	Markierung	True = absolut, False = relativ
`use_l_converge`	Markierung	Option für Log-Likelihood-Konvergenz.
`l_converge`	Zahl	Leerzeichen oder ein beliebiger positiver Wert.
`l_converge_type`	Markierung	True = absolut, False = relativ
`use_h_converge`	Markierung	Option für Konvergenz der Hesse-Matrix.
`h_converge`	Zahl	Leerzeichen oder ein beliebiger positiver Wert.
`h_converge_type`	Markierung	True = absolut, False = relativ
`max_iterations`	Ganze Zahl	Die maximale Anzahl der Iterationen, die im Algorithmus vorgenommen werden. Eine nicht negative Ganzzahl. Der Standardwert ist 100.
`sing_tolerance`	Ganze Zahl
`use_model_selection`	Markierung	Aktiviert die Steuerelemente für den Parameterschwellenwert und die Modellauswahlmethode.
`method`	`LASSO` `ELASTIC_NET` `FORWARD_STEPWISE` `RIDGE`	Bestimmt die Modellauswahlmethode oder bei Verwendung von `Ridge`die verwendete Regularisierungsmethode.
`detect_two_way_interactions`	Markierung	Wenn `True`festgelegt ist, erkennt das Modell automatisch bidirektionale Interaktionen zwischen Eingabefeldern. Dieses Steuerelement sollte nur aktiviert werden, wenn es sich bei dem Modell nur um Haupteffekte handelt (d. h., wenn der Benutzer keine Effekte höherer Ordnung erstellt hat) und wenn `method` als 'Schrittweise vorwärts', 'Lasso' oder 'Elastic Net' ausgewählt wurde.
`automatic_penalty_params`	Markierung	Nur verfügbar, wenn die Modellauswahl `method`"Lasso" oder "Elastic Net" ist. Mithilfe dieser Funktion können Sie Penalisierungsparameter eingeben, die zur Methode für die Variablenauswahl "Lasso" oder "Elastic Net" gehören. Bei `True` werden die Standardwerte verwendet. Bei `False` werden die Penalisierungsparameter aktiviert und es können benutzerdefinierte Werte eingegeben werden.
`lasso_penalty_param`	Zahl	Nur verfügbar, wenn die Modellauswahl `method`"Lasso" oder "Elastic Net" ist und`automatic_penalty_params` `False`ist. Dient zur Angabe des Penalisierungsparameterwerts für Lasso.
`elastic_net_penalty_param1`	Zahl	Nur verfügbar, wenn die Modellauswahl `method`"Lasso" oder "Elastic Net" ist und`automatic_penalty_params` `False`ist. Dient zur Angabe des Penalisierungsparameterwerts für Elastic Net-Parameter 1.
`elastic_net_penalty_param2`	Zahl	Nur verfügbar, wenn die Modellauswahl `method`"Lasso" oder "Elastic Net" ist und`automatic_penalty_params` `False`ist. Dient zur Angabe des Penalisierungsparameterwerts für Elastic Net-Parameter 2.
`probability_entry`	Zahl	Nur verfügbar, wenn `method`auf "Schrittweise vorwärts" gesetzt ist. Dient zur Angabe des Signifikanzniveaus des Kriteriums "F-Statistik" für das Einschließen von Effekten.
`probability_removal`	Zahl	Nur verfügbar, wenn `method`auf "Schrittweise vorwärts" gesetzt ist. Dient zur Angabe des Signifikanzniveaus des Kriteriums "F-Statistik" für das Ausschließen von Effekten.
`use_max_effects`	Markierung	Nur verfügbar, wenn `method`auf "Schrittweise vorwärts" gesetzt ist. Aktiviert das Steuerelement `max_effects`. Bei `False` sollte die Standardanzahl eingeschlossener Effekte gleich der Gesamtzahl der für das Modell angegebenen Effekte minus konstantem Term sein.
`max_effects`	Ganze Zahl	Geben Sie die maximale Anzahl der Effekte an, wenn Sie die Erstellungsmethode "Schrittweise vorwärts" verwenden.
`use_max_steps`	Markierung	Aktiviert das Steuerelement `max_steps`. Bei `False` sollte die Standardanzahl der Schritte dreimal so hoch wie die Anzahl der für das Modell angegebenen Effekte ohne konstanten Term sein.
`max_steps`	Ganze Zahl	Geben Sie die maximale Anzahl der Schritte an, die ausgeführt werden sollen, wenn die "Schrittweise vorwärts"-Erstellung `method`verwendet wird.
`use_model_name`	Markierung	Gibt an, ob für das Modell ein angepasster Name (`true`) oder der vom System generierte Name (`false`) angegeben werden soll. Der Standardwert ist `false`.
`model_name`	Zeichenfolge	Wenn `use_model_name`auf `true`gesetzt ist, wird der zu verwendende Modellname angegeben.
`usePI`	Markierung	Bei `true`wird der Prädiktoreinfluss berechnet.
`perform_model_effect_tests`	Boolesch	Gibt an, ob Modelleffekttests durchgeführt werden.
`non_neg_least_squares`	Ganze Zahl	Gibt an, ob die nicht negative Methode der kleinsten Quadrate ausgeführt werden soll.

War das Thema hilfreich?

0/1000