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

Ikona węzła GLEGLE stanowi wersję modelu liniowego rozszerzoną w taki sposób, że zmienna przewidywana może mieć rozkład inny niż normalny, jest liniowo powiązana z czynnikami i współzmiennymi za pośrednictwem określonej funkcji łączenia, a obserwacje mogą być skorelowane. Uogólnione liniowe modele mieszane obejmują szeroki wachlarz modeli, począwszy od prostych modeli regresji liniowej, aż po złożone wielopoziomowe modele dla danych z obserwacji długofalowych nieposiadających rozkładu normalnego.

Tabela 1. Właściwości gle
Właściwości węzła gle Wartości Opis właściwości
custom_target Flaga Określa, czy ma być używana zmienna przewidywana zdefiniowana we wcześniejszym węźle (false), czy niestandardowa zmienna przewidywana określona przez właściwość target_field (true).
target_field field (pole) Zmienna docelowa, gdy custom_target ma wartość true.
use_trials Flaga Określa, czy gdy odpowiedź przewidywana jest liczbą zdarzeń występujących w zbiorze prób, ma być używana dodatkowa zmienna lub wartość określająca liczbę prób. Wartością domyślną jest false.
use_trials_field_or_value
Field
Value
Określa, czy do określania liczby prób używana jest zmienna (domyślnie), czy wartość.
trials_field field (pole) Zmienna określająca liczbę prób.
trials_value liczba całkowita Wartość określająca liczbę prób. Jeśli wartość jest określona, to minimum wynosi 1.
use_custom_target_reference Flaga Określa, czy dla jakościowej zmiennej przewidywanej ma być używana niestandardowa kategoria odwołania. Wartością domyślną jest false.
target_reference_value łańcuch Kategoria odwołania, która ma być używana, gdy use_custom_target_reference ma wartość true.
dist_link_combination
NormalIdentity
GammaLog
PoissonLog
NegbinLog
TweedieIdentity
NominalLogit
BinomialLogit
BinomialProbit
BinomialLogC
CUSTOM
Wspólne modele rozkładu wartości zmiennej przewidywanej. Wybierz CUSTOM, aby określić rozkład z listy przekazanej we właściwości target_distribution.
target_distribution
Normal
Binomial
Multinomial
Gamma
INVERSE_GAUSS
NEG_BINOMIAL
Poisson
TWEEDIE
UNKNOWN
Rozkład wartości zmiennej przewidywanej, gdy dist_link_combination ma wartość 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
Funkcja łączenia, która kojarzy wartości przewidywane z predyktorami. Jeśli target_distribution ma wartość Binomial, można użyć wartości:
UNKNOWNIDENTITYLOGLOGITPROBITCOMPL_LOG_LOGPOWERLOG_COMPLNEG_LOG_LOGODDS_POWER
Jeśli target_distribution ma wartość NEG_BINOMIAL, można użyć wartości:
NEG_BINOMIAL
Jeśli target_distributionma wartość UNKNOWN, można użyć wartości:
GEN_LOGITCUMUL_LOGITCUMUL_PROBITCUMUL_COMPL_LOG_LOGCUMUL_NEG_LOG_LOGCUMUL_CAUCHIT
link_function_param Liczba Wartość parametru Tweediego. Ma zastosowanie tylko wtedy, gdy normal_link_function lub link_function_type ma wartość POWER.
tweedie_param Liczba Wartość parametru funkcji łączenia. Ma zastosowanie tylko wtedy, gdy dist_link_combination ma wartość TweedieIdentity lub link_function_type ma wartość TWEEDIE.
use_predefined_inputs Flaga Określa, czy zmiennymi efektów modelu mają być zmienne zdefiniowane we wcześniejszych węzłach jako zmienne wejściowe (true), czy zmienne z listy fixed_effects_list (false).
model_effects_list ustrukturyzowane Jeśli use_predefined_inputs ma wartość false, określa zmienne wejściowe, które mają być używane jako zmienne efektów modelu.
use_intercept Flaga Wartość true (domyślna) powoduje, że w modelu jest uwzględniany wyraz wolny.
regression_weight_field field (pole) Zmienna, która ma być używana jako zmienna wagi analizy.
use_offset
None
Value
Variable
Wskazuje sposób określenia przesunięcia. Wartość None oznacza, że nie jest używane przesunięcie.
offset_value Liczba Wartość przesunięcia, gdy use_offset ma wartość offset_value.
offset_field field (pole) Zmienna używana jako wartość przesunięcia, gdy use_offset ma wartość offset_field.
target_category_order
Ascending
Descending
Porządek sortowania jakościowych zmiennych przewidywanych. Wartością domyślną jest Ascending.
inputs_category_order
Ascending
Descending
Porządek sortowania predyktorów jakościowych. Wartością domyślną jest Ascending.
max_iterations liczba całkowita Maksymalna liczba iteracji, jaką wykona algorytm. Nieujemna liczba całkowita; wartość domyślna wynosi 100.
confidence_level Liczba Poziom ufności używany do obliczania oszacowań przedziałów współczynników modelu. Nieujemna liczba całkowita; maksimum wynosi 100; wartość domyślna wynosi 95.
test_fixed_effects_coeffecients
Model
Robust
Metoda obliczania macierzy kowariancji oszacowań parametrów.
detect_outliers Flaga Wartość true powoduje, że algorytm znajduje wpływowe wartości odstające dla wszystkich rozkładów z wyjątkiem wielomianowego.
conduct_trend_analysis Flaga Wartość true powoduje, że algorytm przeprowadza analizę trendów na wykresie rozrzutu.
estimation_method
FISHER_SCORING
NEWTON_RAPHSON
HYBRID
Określa algorytm estymacji maksymalnej wiarygodności.
max_fisher_iterations liczba całkowita Gdy używane jest FISHER_SCORING estimation_method, jest to maksymalna liczba iteracji. Minimum 0, maksimum 20.
scale_parameter_method
MLE
FIXED
DEVIANCE
PEARSON_CHISQUARE
Określa metodę estymacji parametru skali.
scale_value Liczba Dostępna tylko wtedy, gdy scale_parameter_method ma wartość Fixed.
negative_binomial_method
MLE
FIXED
Określa metodę estymacji parametru pomocniczego rozkładu ujemnego dwumianowego.
negative_binomial_value Liczba Dostępna tylko wtedy, gdy negative_binomial_method ma wartość Fixed.
use_p_converge Flaga Opcja zbieżności parametru.
p_converge Liczba Wartość pusta lub dowolna dodatnia.
p_converge_type Flaga True = bezwzględna, False = względna
use_l_converge Flaga Opcja zbieżności dla logarytmu wiarygodności.
l_converge Liczba Wartość pusta lub dowolna dodatnia.
l_converge_type Flaga True = bezwzględna, False = względna
use_h_converge Flaga Opcja zbieżności Hessego.
h_converge Liczba Wartość pusta lub dowolna dodatnia.
h_converge_type Flaga True = bezwzględna, False = względna
max_iterations liczba całkowita Maksymalna liczba iteracji, jaką wykona algorytm. Nieujemna liczba całkowita; wartość domyślna wynosi 100.
sing_tolerance liczba całkowita  
use_model_selection Flaga Umożliwia określanie progu parametru i metody wyboru modelu.
method
LASSO

ELASTIC_NET

FORWARD_STEPWISE

RIDGE
Określa metodę wyboru modelu lub, w przypadku opcji Ridge, metodę regularyzacji.
detect_two_way_interactions Flaga Wartość True powoduje, że model będzie automatycznie wykrywał dwukierunkowe interakcje między zmiennymi wejściowymi. Ten element sterujący powinien być włączony tylko wtedy, gdy model ma tylko główne efekty (tj. użytkownik nie utworzył efektów wyższego rzędu), a właściwość method ma wartość Forward Stepwise, Lasso lub Elastic Net.
automatic_penalty_params Flaga Dostępna, gdy metoda wyboru modelu (method) to Lasso lub Elastic Net. Ta funkcja służy do wprowadzania parametrów kary związanych z metodą wyboru Lasso albo Elastic Net. Wartość True powoduje, że używane są wartości domyślne. Wartość False powoduje, że włączone są parametry kary i można wprowadzać wartości niestandardowe.
lasso_penalty_param Liczba Dostępna tylko wtedy, gdy metoda wyboru modelu (method) to Lasso lub Elastic Net, a automatic_penalty_params ma wartość False. Określa parametr kary dla metody Lasso.
elastic_net_penalty_param1 Liczba Dostępna tylko wtedy, gdy metoda wyboru modelu (method) to Lasso lub Elastic Net, a automatic_penalty_params ma wartość False. Określa parametr kary dla parametru nr 1 metody Elastic Net.
elastic_net_penalty_param2 Liczba Dostępna tylko wtedy, gdy metoda wyboru modelu (method) to Lasso lub Elastic Net, a automatic_penalty_params ma wartość False. Określa parametr kary dla parametru nr 2 metody Elastic Net.
probability_entry Liczba Dostępna tylko wtedy, gdy method ma wartość Forward Stepwise. Określa poziom istotności kryterium statystyki f przy uwzględnianiu efektów.
probability_removal Liczba Dostępna tylko wtedy, gdy method ma wartość Forward Stepwise. Określa poziom istotności kryterium statystyki f przy usuwaniu efektów.
use_max_effects Flaga Dostępna tylko wtedy, gdy method ma wartość Forward Stepwise. Włącza możliwość stosowania właściwości max_effects. Gdy ma wartość False, domyślna liczba efektów powinna być równa łącznej liczbie efektów przekazanych do modelu pomniejszonej o wyraz wolny.
max_effects liczba całkowita Określa maksymalną liczbę efektów w metodzie krokowej postępującej.
use_max_steps Flaga Włącza możliwość stosowania właściwości max_steps. Gdy ma wartość False, domyślna liczba efektów powinna być równa trzykrotności liczby efektów przekazanych do modelu pomniejszonej o wyraz wolny.
max_steps liczba całkowita Określa maksymalną liczbę kroków, gdy jako metodę budowania (method) wybrano Forward Stepwise.
use_model_name Flaga Wskazuje, czy należy określić nazwę niestandardową dla modelu (true), czy też użyć wygenerowanej przez system nazwy (false). Wartością domyślną jest false.
model_name łańcuch Jeśli use_model_name ma wartość true, określa nazwę modelu.
usePI Flaga Gdy ma wartość true, obliczana jest ważność predyktorów.
perform_model_effect_tests boolean (boolowskie) Określa, czy mają być wykonywane testy efektów modelu.
non_neg_least_squares liczba całkowita Określa, czy ma być stosowana metoda najmniejszych kwadratów z ograniczeniem do współczynników nieujemnych (NNLS).
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