Docs
...
gle properties

gle 특성

마지막 업데이트 날짜: 2025년 2월 11일
gle 특성

GLE 노드 아이콘GLE는 목표가 비정규 분포를 갖고 지정된 연결함수를 통해 요인 및 공변량과 선형으로 관련되어 관측값을 상관시킬 수 있도록 일반 선형 모델을 확장합니다. 일반화 선형 혼합 모델은 단순 선형 회귀에서 비정규 장기적인 데이터에 대한 복합 다중 수준 모델에 이르기까지 다양한 모델을 포함합니다.

표 1. gle 특성
gle 특성 값 특성 설명
custom_target 플래그 업스트림 노드(false)에 정의된 대상을 사용할지 또는 target_field(true)에 의해 지정된 사용자 정의 대상을 사용할지 여부를 표시합니다.
target_field 필드 custom_target이(가) true인 경우 대상으로 사용할 필드입니다.
use_trials 플래그 시행 수를 지정하는 추가 필드 또는 값을 대상 반응이 시행 세트에서 발생하는 이벤트 수일 때 사용할지 여부를 표시합니다. 기본값은 false입니다.
use_trials_field_or_value
Field
Value
 필드(기본값) 또는 값이 시행 수를 지정하는 데 사용하는지 여부를 표시합니다.
trials_field 필드 시행 수를 지정하는 데 사용할 필드입니다.
trials_value 정수 시행 수를 지정하는 데 사용할 값입니다. 지정되는 경우 최소값은 1입니다.
use_custom_target_reference 플래그 사용자 정의 참조 범주가 범주형 대상에 사용할지 여부를 표시합니다. 기본값은 false입니다.
target_reference_value 문자열 use_custom_target_reference이(가) true인 경우 사용할 참조 범주입니다.
dist_link_combination
NormalIdentity
GammaLog
PoissonLog
NegbinLog
TweedieIdentity
NominalLogit
BinomialLogit
BinomialProbit
BinomialLogC
CUSTOM
 대상에 대한 값의 분포를 위한 공통 모델입니다. target_distribution에서 제공하는 목록에서 배포를 지정하도록 CUSTOM을(를) 선택하십시오.
target_distribution
Normal
Binomial
Multinomial
Gamma
INVERSE_GAUSS
NEG_BINOMIAL
Poisson
TWEEDIE
UNKNOWN
 dist_link_combination이(가) Custom일 때 대상에 대한 값의 분포입니다.
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
 대상 값을 예측자와 관련시키는 연결함수입니다. target_distribution이(가) Binomial인 경우
을(를) 사용할 수 있습니다.
UNKNOWNIDENTITYLOGLOGITPROBITCOMPL_LOG_LOGPOWERLOG_COMPLNEG_LOG_LOGODDS_POWER
target_distribution이(가) NEG_BINOMIAL인 경우 다음을 사용할 수 있습니다.
NEG_BINOMIAL
target_distribution이(가) UNKNOWN인 경우 다음을 사용할 수 있습니다.
GEN_LOGITCUMUL_LOGITCUMUL_PROBITCUMUL_COMPL_LOG_LOGCUMUL_NEG_LOG_LOGCUMUL_CAUCHIT
link_function_param Number 사용할 Tweedie 모수값입니다. normal_link_function 또는 link_function_type이(가) POWER인 경우에만 적용됩니다.
tweedie_param Number 사용할 연결함수 모수값입니다. dist_link_combination이(가) TweedieIdentity(으)로 설정되거나 link_function_type이(가) TWEEDIE인 경우에만 적용됩니다.
use_predefined_inputs 플래그 모델 효과 필드가 입력 필드(true) 또는 fixed_effects_list(false)의 업스트림에 정의된 필드인지 여부를 표시합니다.
model_effects_list 구조화된 use_predefined_inputs이(가) false인 경우, 모델 효과 필드로 사용할 입력 필드를 지정합니다.
use_intercept 플래그 true(기본값)인 경우 모델에 절편이 포함됩니다.
regression_weight_field 필드 분석 가중값으로 사용할 필드입니다.
use_offset
None
Value
Variable
 오프셋이 지정되는 방법을 표시합니다. None 값은 오프셋이 사용되지 않음을 의미합니다.
offset_value Number use_offset이(가) offset_value(으)로 설정된 경우 오프셋에 사용할 값입니다.
offset_field 필드 use_offset이(가) offset_field(으)로 설정된 경우 오프셋 값에 사용할 필드입니다.
target_category_order
Ascending
Descending
 범주형 대상에 대한 정렬 순서입니다. 기본값은 Ascending입니다.
inputs_category_order
Ascending
Descending
 범주형 예측자에 대한 정렬 순서입니다. 기본값은 Ascending입니다.
max_iterations 정수 알고리즘이 수행할 최대 반복 수입니다. 음이 아닌 정수이며, 기본값은 100입니다.
confidence_level Number 모형 계수의 구간 추정값을 계산하는 데 사용하는 신뢰수준입니다. 음이 아닌 정수이며, 최대값은 100입니다. 기본값은 95입니다.
test_fixed_effects_coeffecients
Model
Robust
 모수 추정값 공분산 교차표 계산 방법입니다.
detect_outliers 플래그 참인 경우 알고리즘이 다항 분포를 제외한 모든 분포의 영향력 있는 이상치를 찾습니다.
conduct_trend_analysis 플래그 참인 경우 알고리즘이 산점도 도표의 추세 분석을 수행합니다.
estimation_method
FISHER_SCORING
NEWTON_RAPHSON
HYBRID
 최대우도 추정 알고리즘을 지정하십시오.
max_fisher_iterations 정수 FISHER_SCORING estimation_method을(를) 사용하는 경우 최대 반복 횟수입니다. 최소 0, 최대 20입니다.
scale_parameter_method
MLE
FIXED
DEVIANCE
PEARSON_CHISQUARE
 척도 모수의 추정에 사용할 방법을 지정하십시오.
scale_value Number scale_parameter_method이(가) Fixed(으)로 설정된 경우에만 사용 가능합니다.
negative_binomial_method
MLE
FIXED
 음이항 보조 모수의 추정에 사용할 방법을 지정하십시오.
negative_binomial_value Number negative_binomial_method이(가) Fixed(으)로 설정된 경우에만 사용 가능합니다.
use_p_converge 플래그 모수 수렴에 대한 옵션입니다.
p_converge Number 공란 또는 임의의 양수값입니다.
p_converge_type 플래그 True = 절대값, False = 상대값
use_l_converge 플래그 로그-우도 수렴에 대한 옵션입니다.
l_converge Number 공란 또는 임의의 양수값입니다.
l_converge_type 플래그 True = 절대값, False = 상대값
use_h_converge 플래그 Hessian 수렴에 대한 옵션입니다.
h_converge Number 공란 또는 임의의 양수값입니다.
h_converge_type 플래그 True = 절대값, False = 상대값
max_iterations 정수 알고리즘이 수행할 최대 반복 수입니다. 음이 아닌 정수이며, 기본값은 100입니다.
sing_tolerance 정수  
use_model_selection 플래그 모두 임계값 및 모델 선택 방법 제어를 사용으로 설정합니다..
method
LASSO

ELASTIC_NET

FORWARD_STEPWISE

RIDGE
 모델 선택 방법을 판별하거나 Ridge을(를) 사용하여 정규화 메소드를 사용합니다.
detect_two_way_interactions 플래그 True일 때 모델은 자동으로 입력 필드 사이의 양방향 상호작용을 발견합니다. 모델만 주효과이고(즉 사용자가 상위 순서 효과를 작성하지 않은 경우) 선택된 method가 Forward Stepwise, Lasso 또는 Elastic Net일 경우 이 제어를 사용하도록 설정해야 합니다.
automatic_penalty_params 플래그 모델 선택 method이(가) Lasso 또는 Elastic Net인 경우에만 사용 가능합니다. 이 함수를 사용하여 Lasso 또는 Elastic Net 변수 선택 방법과 연관된 페널티 모수를 입력하십시오. True인 경우 기본값이 사용됩니다. False인 경우 페널티 모수가 사용되며 사용자 정의 값을 입력할 수 있습니다.
lasso_penalty_param Number 모델 선택 method이(가) Lasso 또는 Elastic Net이고 automatic_penalty_params이(가) False인 경우에만 사용 가능합니다. Lasso의 페널티 모수값을 지정하십시오.
elastic_net_penalty_param1 Number 모델 선택 method이(가) Lasso 또는 Elastic Net이고 automatic_penalty_params이(가) False인 경우에만 사용 가능합니다. Elastic Net 모수 1의 페널티 모수값을 지정하십시오.
elastic_net_penalty_param2 Number 모델 선택 method이(가) Lasso 또는 Elastic Net이고 automatic_penalty_params이(가) False인 경우에만 사용 가능합니다. Elastic Net 모수 2의 페널티 모수값을 지정하십시오.
probability_entry Number 선택된 method이(가) 단계별로 전달되는 경우에만 사용 가능합니다. 효과 포함에 대해 F 통계량 기준의 유의 수준을 지정하십시오.
probability_removal Number 선택된 method이(가) 단계별로 전달되는 경우에만 사용 가능합니다. 제거 포함에 대해 F 통계량 기준의 유의 수준을 지정하십시오.
use_max_effects 플래그 선택된 method이(가) 단계별로 전달되는 경우에만 사용 가능합니다. max_effects 제어를 사용으로 설정합니다. False인 경우 포함된 효과의 기본값은 모델에 제공된 효과의 총 수에서 절편을 뺀 값과 같아야 합니다.
max_effects 정수 단계별 전진 작성 방법을 사용하는 경우 최대 효과 수를 지정하십시오.
use_max_steps 플래그 max_steps 제어를 사용합니다. False인 경우 단계의 기본값은 모델에 제공된 효과의 수의 3배에서 절편을 뺀 값과 같아야 합니다.
max_steps 정수 전달 단계 방식 빌딩 method을(를) 사용할 때 수행할 최대 단계 수를 지정하십시오.
use_model_name 플래그 모델 (true)의 사용자 정의 이름을 지정하거나 시스템 생성 이름(false)을 사용할지 여부를 표시합니다. 기본값은 false입니다.
model_name 문자열 use_model_name이(가) true인 경우 사용할 모델 이름을 지정합니다.
usePI 플래그 true인 경우 예측변수 중요도가 계산됩니다.
perform_model_effect_tests 부울 모델 효과 테스트를 수행할지 여부입니다.
non_neg_least_squares 정수 음이 아닌 최소제곱을 수행할지 여부입니다.