Proprietà gle

Ultimo aggiornamento: 11 feb 2025

Proprietà gle

Icona nodo GLE Un nodo GLE estende il modello lineare in modo che l'obiettivo possa avere una distribuzione non normale, sia linearmente correlato ai fattori ed alle covariate mediante una funzione di collegamento specificata e in modo che le osservazioni possano essere correlate. I modelli GLMM includono un'ampia gamma di modelli, dalla regressione lineare semplice ai modelli multilivello complessi per i dati longitudinali non normali.

Tabella 1. proprietà gle
`gle` proprietà	Valori	Descrizione proprietà
`custom_target`	indicatore	Indica se utilizzare la destinazione definita nel nodo upstream (`false`) o la destinazione personalizzata specificata da `target_field` (`true`).
`target_field`	campo	Il campo da utilizzare come destinazione se `custom_target` è `true`.
`use_trials`	indicatore	Indica se un campo o valore aggiuntivo che specifica il numero di prove deve essere utilizzato quando la risposta obiettivo rappresenta un numero di eventi che si verificano in un insieme di prove. Il valore predefinito è `false`.
`use_trials_field_or_value`	`Field` `Value`	Indica se il campo (default) o valore viene utilizzato per specificare il numero di prove.
`trials_field`	campo	Campo da utilizzare per specificare il numero di prove.
`trials_value`	intero	Valore da utilizzare per specificare il numero di prove. Se specificato, il valore minimo è 1.
`use_custom_target_reference`	indicatore	Indica se la categoria di riferimento personalizzata deve essere utilizzata per un target di categoria. Il valore predefinito è `false`.
`target_reference_value`	Stringa	La categoria di riferimento da utilizzare se `use_custom_target_reference` è `true`.
`dist_link_combination`	`NormalIdentity` `GammaLog` `PoissonLog` `NegbinLog` `TweedieIdentity` `NominalLogit` `BinomialLogit` `BinomialProbit` `BinomialLogC` `CUSTOM`	I modelli comuni per la distribuzione dei valori dell'obiettivo. Scegliere `CUSTOM` per specificare una distribuzione dall'elenco fornito da `target_distribution`.
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `INVERSE_GAUSS` `NEG_BINOMIAL` `Poisson` `TWEEDIE` `UNKNOWN`	Distribuzione dei valori per l'obiettivo quando `dist_link_combination` è `Custom`.
`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`	Funzione di collegamento per correlare i valori obiettivo per i predittori. Se `target_distribution` è `Binomial` è possibile utilizzare: `UNKNOWNIDENTITYLOGLOGITPROBITCOMPL_LOG_LOGPOWERLOG_COMPLNEG_LOG_LOGODDS_POWER` Se `target_distribution` è `NEG_BINOMIAL` è possibile utilizzare: `NEG_BINOMIAL` Se `target_distribution` è `UNKNOWN` è possibile utilizzare: `GEN_LOGITCUMUL_LOGITCUMUL_PROBITCUMUL_COMPL_LOG_LOGCUMUL_NEG_LOG_LOGCUMUL_CAUCHIT`
`link_function_param`	numero	Valore del parametro Tweedie da utilizzare. Applicabile solo se `normal_link_function` o `link_function_type` è `POWER`.
`tweedie_param`	numero	Il valore del parametro della funzione di collegamento da utilizzare. Applicabile solo se `dist_link_combination` è impostata su `TweedieIdentity` o `link_function_type` è `TWEEDIE`.
`use_predefined_inputs`	indicatore	Indica se i campi a effetto del modello devono essere quelli definiti a monte come campi di input (`true`) o quelli di `fixed_effects_list` (`false`).
`model_effects_list`	strutturato	Se `use_predefined_inputs` è `false`, specifica i campi di input da utilizzare come campi a effetto del modello.
`use_intercept`	indicatore	Se `true` (default), include l'intercettazione nel modello.
`regression_weight_field`	campo	Campo da utilizzare come campo del peso dell'analisi.
`use_offset`	`None` `Value` `Variable`	Indica il modo in cui viene specificato l'offset. Il valore `None` indica che non viene utilizzato nessun offset.
`offset_value`	numero	Il valore da utilizzare per l'offset se `use_offset` è impostato su `offset_value`.
`offset_field`	campo	Il campo da utilizzare per il valore offset se `use_offset` è impostato su `offset_field`.
`target_category_order`	`Ascending` `Descending`	Criterio di ordinamento per i target di categoria. Il valore predefinito è `Ascending`.
`inputs_category_order`	`Ascending` `Descending`	Criterio di ordinamento per i predittori di categoria. Il valore predefinito è `Ascending`.
`max_iterations`	intero	Numero massimo di iterazioni che l'algoritmo eseguirà. Un numero intero non negativo; l'impostazione di default è 100.
`confidence_level`	numero	Livello di confidenza utilizzato per calcolare le stime di intervallo dei coefficienti del modello. Un numero intero non negativo; il massimo è 100, l'impostazione di default è 95.
`test_fixed_effects_coeffecients`	`Model` `Robust`	Il metodo per il calcolo della matrice di covarianza delle stime dei parametri.
`detect_outliers`	indicatore	Quando è impostata su true, l'algoritmo trova i valori anomali influenti per tutte le distribuzioni ad eccezione delle distribuzioni multinomiali.
`conduct_trend_analysis`	indicatore	Quando è impostata su true, l'algoritmo effettua l'analisi delle tendenze per il grafico a dispersione.
`estimation_method`	`FISHER_SCORING` `NEWTON_RAPHSON` `HYBRID`	Specificare l'algoritmo di stima della verosimiglianza massima.
`max_fisher_iterations`	intero	Se si utilizza `FISHER_SCORING` `estimation_method`, il numero massimo di iterazioni. Minimo 0, massimo 20.
`scale_parameter_method`	`MLE` `FIXED` `DEVIANCE` `PEARSON_CHISQUARE`	Specificare il metodo da utilizzare per la stima del parametro di scala.
`scale_value`	numero	Disponibile solo se `scale_parameter_method` è impostata su `Fixed`.
`negative_binomial_method`	`MLE` `FIXED`	Specificare il metodo per la stima del parametro ausiliario binomiale negativo.
`negative_binomial_value`	numero	Disponibile solo se `negative_binomial_method` è impostata su `Fixed`.
`use_p_converge`	indicatore	Opione per la convergenza dei parametri.
`p_converge`	numero	Vuoto, o qualsiasi valore positivo.
`p_converge_type`	indicatore	True = Absolute, False = Relative
`use_l_converge`	indicatore	Opzione per la convergenza di verosimiglianza logaritmica.
`l_converge`	numero	Vuoto, o qualsiasi valore positivo.
`l_converge_type`	indicatore	True = Absolute, False = Relative
`use_h_converge`	indicatore	Opzione per la convergenza hessiana.
`h_converge`	numero	Vuoto, o qualsiasi valore positivo.
`h_converge_type`	indicatore	True = Absolute, False = Relative
`max_iterations`	intero	Numero massimo di iterazioni che l'algoritmo eseguirà. Un numero intero non negativo; l'impostazione di default è 100.
`sing_tolerance`	intero
`use_model_selection`	indicatore	Abilita i controlli del metodo di selezione del modello e della soglia del parametro.
`method`	`LASSO` `ELASTIC_NET` `FORWARD_STEPWISE` `RIDGE`	Determina il metodo di selezione del modello oppure, se si utilizza `Ridge`, il metodo di regolarizzazione utilizzato.
`detect_two_way_interactions`	indicatore	Quando è impostata su `True`, il modello rileva automaticamente le interazioni a due vie tra i campi di input. Questo controllo deve essere abilitato solo se il modello è solo effetti principali (ovvero, se l'utente non ha creato effetti di ordine superiore) e se `method` selezionato è Forward Stepwise, Lasso o Elastic Net.
`automatic_penalty_params`	indicatore	Disponibile solo se il `method` di selezione del modello è Lasso o Elastic Net. Utilizzare questa funzione per immettere i parametri di penalità associati ai metodi di selezione delle variabili Lasso o Elastic Net. Se è impostata su `True`, vengono utilizzati i valori predefiniti. Se è impostata su `False`, i parametri di penalità sono abilitati ed è possibile immettere valori personalizzati.
`lasso_penalty_param`	numero	Disponibile solo se il `method` di selezione del modello è Lasso o Elastic Net e `automatic_penalty_params` è `False`. Specificare il valore del parametro di penalità per Lasso.
`elastic_net_penalty_param1`	numero	Disponibile solo se il `method` di selezione del modello è Lasso o Elastic Net e `automatic_penalty_params` è `False`. Specificare il valore del parametro di penalità per il parametro Elastic Net 1.
`elastic_net_penalty_param2`	numero	Disponibile solo se il `method` di selezione del modello è Lasso o Elastic Net e `automatic_penalty_params` è `False`. Specificare il valore del parametro di penalità per il parametro Elastic Net 2.
`probability_entry`	numero	Disponibile solo se il `method` selezionato è Forward Stepwise. Specificare il livello di significatività del criterio statistica f per l'inserimento degli effetti.
`probability_removal`	numero	Disponibile solo se il `method` selezionato è Forward Stepwise. Specificare il livello di significatività del criterio statistica f per la rimozione degli effetti.
`use_max_effects`	indicatore	Disponibile solo se il `method` selezionato è Forward Stepwise. Abilita il controllo `max_effects`. Quando è impostata su `False` il numero predefinito di effetti deve essere uguale al numero totale di effetti forniti al modello, meno l'intercettazione.
`max_effects`	intero	Specificare il numero massimo di effetti quando si utilizza il metodo di creazione Stepwise in avanti.
`use_max_steps`	indicatore	Abilita il controllo `max_steps`. Quando è impostata su `False`, il numero predefinito di passi deve essere uguale al triplo del numero di effetti forniti al modello, esclusa l'intercettazione.
`max_steps`	intero	Specificare il numero massimo di fasi da compiere quando si utilizza il `method` di creazione Forward Stepwise.
`use_model_name`	indicatore	Indica se specificare un nome personalizzato per il modello (`true`) o utilizzare il nome generato dal sistema (`false`). Il valore predefinito è `false`.
`model_name`	Stringa	Se `use_model_name` è `true`, specifica il nome del modello da utilizzare.
`usePI`	indicatore	Se `true`, l'importanza predittore viene calcolata.
`perform_model_effect_tests`	booleano	Indica se eseguire i test dell'effetto del modello.
`non_neg_least_squares`	intero	Indica se eseguire minimi quadrati non negativi.

L'argomento è stato utile?

0/1000