glmmnode 특성 | IBM Cloud Pak for Data as a Service

영어 버전 문서로 돌아가기

glmmnode 특성

마지막 업데이트 날짜: 2024년 10월 07일

glmmnode 특성

GLMM 노드 아이콘 일반화 선형 혼합 모델(GLMM)은 목표가 비정규 분포를 가질 수 있고 지정된 연결 함수를 통해 요인 및 공변량과 선형적으로 관련되며 관측값을 상관시킬 수 있도록 선형 모델을 확장합니다. GLMM 모델은 단순 선형 회귀에서 일반적이지 않은 세로 데이터에 대한 복합 다중 레벨 모델까지 다양한 모델을 포함합니다.

표 1. glmmnode 특성
`glmmnode` 특성	값	특성 설명
`residual_subject_spec`	구조화된	데이터 세트 내에서 개체를 고유하게 정의하는 지정된 범주형 필드의 값의 조합입니다.
`repeated_measures`	구조화된	반복되는 관측값을 식별하는 데 사용하는 필드입니다.
`residual_group_spec`	[field1 ... fieldN]	반복 효과 공분산 모수의 독립적 세트를 정의하는 필드입니다.
`residual_covariance_type`	`Diagonal` `AR1` `ARMA11` `COMPOUND_SYMMETRY` `IDENTITY` `TOEPLITZ` `UNSTRUCTURED` `VARIANCE_COMPONENTS`	잔차에 대한 공분산 구조를 지정합니다.
`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_target`이(가) `true`인 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 `false`입니다.
`use_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 `false`입니다.
`target_reference_value`	문자열	`use_custom_target_reference`이(가) `true`인 경우 사용할 참조 범주입니다.
`dist_link_combination`	`Nominal` `Logit` `GammaLog` `BinomialLogit` `PoissonLog` `BinomialProbit` `NegbinLog` `BinomialLogC` `Custom`	대상에 대한 값의 분포를 위한 공통 모델입니다. `target_distribution`에서 제공하는 목록에서 배포를 지정하도록 `Custom`을(를) 선택하십시오.
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `Inverse` `NegativeBinomial` `Poisson`	`dist_link_combination`이(가) `Custom`일 때 대상에 대한 값의 분포입니다.
`link_function_type`	`Identity` `LogC` `Log` `CLOGLOGLogit` `NLOGLOGPROBIT` `POWER` `CAUCHIT`	목표 값을 예측변수에 관련시키는 연결 함수입니다. `target_distribution` 가 `Binomial` 인 경우 나열된 링크 기능 중 임의의 를 사용할 수 있습니다. `target_distribution` 가 `Multinomial` 인 경우 `CLOGLOG`, `CAUCHIT`, `LOGIT`, `NLOGLOG`또는 `PROBIT`를 사용할 수 있습니다. `target_distribution` 이 `Binomial` 또는 이외의 값 `Multinomial` 인 경우 `IDENTITY`, `LOG`또는 `POWER`를 사용할 수 있습니다.
`link_function_param`	Number	사용할 연결함수 모수값입니다. `normal_link_function` 또는 `link_function_type`이(가) `POWER`인 경우에만 적용됩니다.
`use_predefined_inputs`	플래그	고정 효과 필드가 입력 필드(`true`) 또는 `fixed_effects_list`(`false`)의 업스트림에 정의된 필드인지 여부를 표시합니다. 기본값은 `false`입니다.
`fixed_effects_list`	구조화된	`use_predefined_inputs`이(가) `false`인 경우 고정 효과 필드로 사용할 입력 필드를 지정합니다.
`use_intercept`	플래그	`true`(기본값)인 경우 모델에 절편이 포함됩니다.
`random_effects_list`	구조화된	변량효과로 지정할 필드의 목록입니다.
`regression_weight_field`	필드	분석 가중값으로 사용할 필드입니다.
`use_offset`	`Noneoffset_valueoffset_field`	오프셋이 지정되는 방법을 표시합니다. `None` 값은 오프셋이 사용되지 않음을 의미합니다.
`offset_value`	Number	`use_offset`이(가) `offset_value`(으)로 설정된 경우 오프셋에 사용할 값입니다.
`offset_field`	필드	`use_offset`이(가) `offset_field`(으)로 설정된 경우 오프셋 값에 사용할 필드입니다.
`target_category_order`	`AscendingDescendingData`	범주형 대상에 대한 정렬 순서입니다. `Data` 값은 데이터에서 발견된 정렬 순서를 사용하여 지정합니다. 기본값은 `Ascending`입니다.
`inputs_category_order`	`AscendingDescendingData`	범주형 예측자에 대한 정렬 순서입니다. `Data` 값은 데이터에서 발견된 정렬 순서를 사용하여 지정합니다. 기본값은 `Ascending`입니다.
`max_iterations`	정수	알고리즘이 수행할 최대 반복 수입니다. 음이 아닌 정수이며, 기본값은 100입니다.
`confidence_level`	정수	모형 계수의 구간 추정값을 계산하는 데 사용하는 신뢰수준입니다. 음이 아닌 정수이며, 최대값은 100입니다. 기본값은 95입니다.
`degrees_of_freedom_method`	`FixedVaried`	유의수준 검정을 위해 자유도가 계산되는 방법을 지정합니다.
`test_fixed_effects_coeffecients`	`ModelRobust`	모수 추정값 공분산 교차표 계산 방법입니다.
`use_p_converge`	플래그	모수 수렴에 대한 옵션입니다.
`p_converge`	Number	공란 또는 임의의 양수값입니다.
`p_converge_type`	`AbsoluteRelative`
`use_l_converge`	플래그	로그-우도 수렴에 대한 옵션입니다.
`l_converge`	Number	공란 또는 임의의 양수값입니다.
`l_converge_type`	`AbsoluteRelative`
`use_h_converge`	플래그	Hessian 수렴에 대한 옵션입니다.
`h_converge`	Number	공란 또는 임의의 양수값입니다.
`h_converge_type`	`AbsoluteRelative`
`max_fisher_step`	정수
`sing_tolerance`	Number
`use_model_name`	플래그	모델 (`true`)의 사용자 정의 이름을 지정하거나 시스템 생성 이름(`false`)을 사용할지 여부를 표시합니다. 기본값은 `false`입니다.
`model_name`	문자열	`use_model_name`이(가) `true`인 경우 사용할 모델 이름을 지정합니다.
`confidence`	`onProbabilityonIncrease`	스코어링 신뢰도 계산을 위한 기초입니다. 최고 예측 확률 또는 최고 및 두 번째 최고 예측 확률 사이의 차이입니다.
`score_category_probabilities`	플래그	`true`인 경우 범주형 목표의 예측 확률을 생성합니다. 기본값은 `false`입니다.
`max_categories`	정수	`score_category_probabilities`이(가) `true`인 경우, 저장할 최대 범주 수를 지정합니다.
`score_propensity`	플래그	`true`인 경우, 필드의 "참" 결과 가능성을 나타내는 플래그 목표 필드의 성향 스코어를 생성합니다.
`emeans`	정형	고정 효과 목록의 각 범주형 필드의 경우, 추정 주변 평균을 생성할지 여부를 지정합니다.
`covariance_list`	정형	고정 효과 목록의 각 연속형 필드의 경우, 추정 주변 평균을 계산할 때 평균 또는 사용자 정의 값을 사용할지 여부를 지정합니다.
`mean_scale`	`OriginalTransformed`	대상의 원래 척도(기본값) 또는 연결함수 변환을 기반으로 추정 주변 평균을 계산할지 여부를 지정합니다.
`comparison_adjustment_method`	`LSDSEQBONFERRONISEQSIDAK`	다중 대비를 갖고 가설검정을 수행할 때 사용할 조정 방법입니다.
`use_trials_field_or_value`	`"field"` `"value"`
`residual_subject_ui_spec`	배열	잔차 개체 스펙: 지정된 범주형 필드의 값 조합은 데이터 세트 내에서 개체를 고유하게 정의해야 합니다. 예를 들어, 단일 환자 ID 필드는 단일 병원의 개체를 정의하기에 충분해야 하지만, 환자 식별 번호가 병원마다 고유하지 않은 경우 병원 ID와 환자 ID의 조합이 필요할 수 있습니다.
`repeated_ui_measures`	배열	여기에 지정된 필드는 반복 관측값을 식별하는 데 사용됩니다. 예를 들어, 단일 변수 주는 의학 연구에서의 10주 동안의 관측을 식별하는 데 사용하거나 월 및 일은 1년 동안의 일별 관측을 식별하는 데 함께 사용할 수 있습니다.
`spatial_field`	배열	이 목록의 변수는 반복된 공분산 유형에 공간 공분산 유형 중 하나가 선택된 경우 반복되는 관찰의 좌표를 지정합니다.