gle vlastnosti | IBM watsonx

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

gle vlastnosti

Last updated: 04. 7. 2023

gle vlastnosti

Ikona uzlu GLE GLE rozšiřuje lineární model tak, že cíl může mít non-normální rozdělení, je lineárně související s faktory a kovariáty prostřednictvím uvedené funkce propojení, a tak, že pozorování může být souvztažný. Generalizované lineární smíšené modely pokrývají širokou škálu modelů, od jednoduché lineární regrese až po komplexní víceúrovňové modely pro nenormální podélná data.

Tabulka 1. gle vlastnosti
`gle` Vlastnosti	Hodnoty	Popis vlastnosti
`custom_target`	příznak	Označuje, zda má být použit cíl definovaný v nadřazeném uzlu (`false`) nebo vlastním cíli, který je zadán pomocí `target_field` (`true`).
`target_field`	pole	Pole, které má být použito jako cíl, pokud `custom_target` je `true`.
`use_trials`	příznak	Označuje, zda se má použít další pole nebo hodnota určující počet pokusů, které mají být použity, když cílová odezva je počet událostí, ke kterým došlo v sadě pokusů. Předvolba je `false`.
`use_trials_field_or_value`	`Field` `Value`	Určuje, zda se pole (výchozí hodnota) nebo hodnota používá k určení počtu pokusů.
`trials_field`	pole	Pole, které má být použito k určení počtu pokusů.
`trials_value`	celočíselná hodnota	Hodnota, která má být použita k určení počtu pokusů. Je-li uvedena, minimální hodnota je 1.
`use_custom_target_reference`	příznak	Označuje, zda má být pro kategorický cíl použita vlastní kategorie odkazu. Předvolba je `false`.
`target_reference_value`	řetězec	Referenční kategorie k použití, je-li `use_custom_target_reference` `true`.
`dist_link_combination`	`NormalIdentity` `GammaLog` `PoissonLog` `NegbinLog` `TweedieIdentity` `NominalLogit` `BinomialLogit` `BinomialProbit` `BinomialLogC` `CUSTOM`	Běžné modely pro distribuci hodnot pro cíl. Chcete-li určit rozdělení ze seznamu poskytovaného produktem `target_distribution`, vyberte volbu `CUSTOM` .
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `INVERSE_GAUSS` `NEG_BINOMIAL` `Poisson` `TWEEDIE` `UNKNOWN`	Distribuce hodnot pro cíl, když `dist_link_combination` je `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`	Funkce propojení pro vytvoření vztahu mezi cílovými hodnotami a prediktory. Je-li `target_distribution` `Binomial` , můžete použít: `UNKNOWNIDENTITYLOGLOGITPROBITCOMPL_LOG_LOGPOWERLOG_COMPLNEG_LOG_LOGODDS_POWER` Je-li `target_distribution` `NEG_BINOMIAL` , můžete použít: `NEG_BINOMIAL` Je-li `target_distribution` `UNKNOWN`, můžete použít: `GEN_LOGITCUMUL_LOGITCUMUL_PROBITCUMUL_COMPL_LOG_LOGCUMUL_NEG_LOG_LOGCUMUL_CAUCHIT`
`link_function_param`	Číslo	Hodnota parametru Tweedie, která se má použít. Použitelné pouze v případě, že `normal_link_function` nebo `link_function_type` je `POWER`.
`tweedie_param`	Číslo	Hodnota parametru funkce odkazu, která se má použít. Použitelné pouze, pokud je `dist_link_combination` nastaven na `TweedieIdentity`nebo `link_function_type` je `TWEEDIE`.
`use_predefined_inputs`	příznak	Označuje, zda mají být pole výsledkových efektů definovaná jako vstupní pole jako vstupní pole (`true`) nebo ty z `fixed_effects_list` (`false`).
`model_effects_list`	strukturované	Pokud `use_predefined_inputs` je `false`, uvádí vstupní pole, která se mají použít jako pole efektu modelu.
`use_intercept`	příznak	Je-li `true` (výchozí), obsahuje zachycení v modelu.
`regression_weight_field`	pole	Pole, které má být použito jako pole váhy analýzy.
`use_offset`	`None` `Value` `Variable`	Označuje, jak je posun zadán. Hodnota `None` znamená, že se nepoužije odsazení.
`offset_value`	Číslo	Hodnota, která má být použita pro posun, pokud je parametr `use_offset` nastaven na hodnotu `offset_value`.
`offset_field`	pole	Pole, které se má použít pro ofsetovou hodnotu, je-li `use_offset` nastaveno na `offset_field`
`target_category_order`	`Ascending` `Descending`	Pořadí řazení pro kategoriální cíle. Předvolba je `Ascending`.
`inputs_category_order`	`Ascending` `Descending`	Pořadí řazení pro kategoriální prediktory. Předvolba je `Ascending`.
`max_iterations`	celočíselná hodnota	Maximální počet iterací, které algoritmus provede. Nezáporné celé číslo; výchozí hodnota je 100.
`confidence_level`	Číslo	Úroveň důvěry použitá pro výpočet odhadu intervalů pro koeficienty modelu. Nezáporné celé číslo; maximum je 100, výchozí je 95.
`test_fixed_effects_coeffecients`	`Model` `Robust`	Metoda výpočtu parametru odhadu kovariance.
`detect_outliers`	příznak	Je-li pravda, algoritmus najde vlivné outliers pro všechny distribuce s výjimkou polynomiální distribuce.
`conduct_trend_analysis`	příznak	Je-li pravda, algoritmus provádí analýzu trendů pro bodový graf.
`estimation_method`	`FISHER_SCORING` `NEWTON_RAPHSON` `HYBRID`	Uveďte algoritmus maximálního odhadu pravděpodobnosti.
`max_fisher_iterations`	celočíselná hodnota	Používáte-li `FISHER_SCORING` `estimation_method`, maximální počet iterací. Minimálně 0, maximálně 20.
`scale_parameter_method`	`MLE` `FIXED` `DEVIANCE` `PEARSON_CHISQUARE`	Uveďte metodu, která se použije pro odhad parametru scale.
`scale_value`	Číslo	Je k dispozici pouze, pokud je `scale_parameter_method` nastaven na `Fixed`.
`negative_binomial_method`	`MLE` `FIXED`	Uveďte metodu, která má být pro odhad negativního binomického pomocného parametru.
`negative_binomial_value`	Číslo	Je k dispozici pouze, pokud je `negative_binomial_method` nastaven na `Fixed`.
`use_p_converge`	příznak	Volba pro konvergenci parametrů.
`p_converge`	Číslo	Prázdné, nebo jakékoli kladné hodnoty.
`p_converge_type`	příznak	True = Absolute, False = Relativní
`use_l_converge`	příznak	Volba pro konvergenci pravděpodobnosti protokolu.
`l_converge`	Číslo	Prázdné, nebo jakékoli kladné hodnoty.
`l_converge_type`	příznak	True = Absolute, False = Relativní
`use_h_converge`	příznak	Volba pro Hessian konvergence.
`h_converge`	Číslo	Prázdné, nebo jakékoli kladné hodnoty.
`h_converge_type`	příznak	True = Absolute, False = Relativní
`max_iterations`	celočíselná hodnota	Maximální počet iterací, které algoritmus provede. Nezáporné celé číslo; výchozí hodnota je 100.
`sing_tolerance`	celočíselná hodnota
`use_model_selection`	příznak	Povoluje prahovou hodnotu parametru a ovládací prvky metody výběru modelu.
`method`	`LASSO` `ELASTIC_NET` `FORWARD_STEPWISE` `RIDGE`	Určuje metodu výběru modelu nebo použití `Ridge` metody regularization.
`detect_two_way_interactions`	příznak	Když `True` model automaticky zjistí dvoucestné interakce mezi vstupními poli. Tento ovládací prvek by měl být povolen pouze v případě, že je model pouze hlavní účinky (to znamená, že uživatel nevytvořil žádné vyšší efekty objednávek) a pokud je vybrán `method` Forward Stepwise, Lasso nebo Elastic Net.
`automatic_penalty_params`	příznak	K dispozici pouze tehdy, je-li u výběru modelu `method` Lasso nebo Elastic Net. Použijte tuto funkci k zadání parametrů pokut přidružených k metodám výběru Lasso nebo Elastic Net. Je-li `True`, použijí se výchozí hodnoty. Je-li `False`, mohou být zadány přizpůsobené hodnoty, které lze zadat.
`lasso_penalty_param`	Číslo	Je k dispozici pouze, pokud je výběr modelu `method` Lasso nebo Elastic Net a `automatic_penalty_params` je `False`. Uveďte hodnotu parametru penále pro Lasso.
`elastic_net_penalty_param1`	Číslo	Je k dispozici pouze, pokud je výběr modelu `method` Lasso nebo Elastic Net a `automatic_penalty_params` je `False`. Uveďte hodnotu parametru penále pro parametr Elastic Net 1.
`elastic_net_penalty_param2`	Číslo	Je k dispozici pouze, pokud je výběr modelu `method` Lasso nebo Elastic Net a `automatic_penalty_params` je `False`. Uveďte hodnotu parametru penále pro parametr Elastic Net 2.
`probability_entry`	Číslo	Je k dispozici pouze v případě, že je vybrána volba `method` vpřed. Určete úroveň významnosti vlastnosti f statistic f pro zahrnutí efektu.
`probability_removal`	Číslo	Je k dispozici pouze v případě, že je vybrána volba `method` vpřed. Určete úroveň významnosti pro kritérium statistiky f pro odebrání efektu.
`use_max_effects`	příznak	Je k dispozici pouze v případě, že je vybrána volba `method` vpřed. Povolí ovládací prvek `max_effects` . Je-li výchozí počet zahrnutých efektů roven `False` , měl by se rovnat celkový počet efektů dodaných na model, minus zachycení.
`max_effects`	celočíselná hodnota	Určete maximální počet efektů při použití metody dopředného sestavení.
`use_max_steps`	příznak	Povolí ovládací prvek `max_steps` . Když `False` je výchozí počet kroků, měl by se rovnat trojnásobku počtu efektů dodaných na model, s vyloučením zachycení.
`max_steps`	celočíselná hodnota	Uveďte maximální počet kroků, které se mají provést při použití budovy `method`Forward Stepwise.
`use_model_name`	příznak	Označuje, zda se má zadat vlastní název pro model (`true`) nebo použít systémem generovaný název (`false`). Předvolba je `false`.
`model_name`	řetězec	Pokud `use_model_name` je `true`, uvádí název modelu, který se má použít.
`usePI`	příznak	Je-li `true`, počítá se důležitost prediktoru.
`perform_model_effect_tests`	typ boolean	Určuje, zda mají být provedeny testy vlivu modelu.
`non_neg_least_squares`	celočíselná hodnota	Zda se mají provést nezáporné nejmenších čtverců.