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.
Last updated: 04 lip 2023
GLE 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.
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:UNKNOWN IDENTITY LOG LOGIT PROBIT COMPL_LOG_LOG POWER LOG_COMPL NEG_LOG_LOG ODDS_POWER Jeśli
target_distribution ma wartość
NEG_BINOMIAL , można użyć wartości:NEG_BINOMIAL Jeśli
target_distribution ma wartość UNKNOWN , można użyć wartości:GEN_LOGIT CUMUL_LOGIT CUMUL_PROBIT CUMUL_COMPL_LOG_LOG CUMUL_NEG_LOG_LOG CUMUL_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). |