Docs
...
logregnode properties
資料の 英語版 に戻る

logregnode プロパティー

最終更新: 2025年2月11日
logregnode プロパティー

ロジスティック・ノード・アイコンロジスティック回帰は、入力フィールドの値に基づいてレコードを分類する統計手法です。 線型回帰と似ていますが、数値範囲ではなくカテゴリー対象フィールドを使用します。

Multinomial Example

node = stream.create("logreg", "My node")
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Drug")
node.setPropertyValue("inputs", ["BP", "Cholesterol", "Age"])
node.setPropertyValue("partition", "Test")
# "Model" tab
node.setPropertyValue("use_model_name", True)
node.setPropertyValue("model_name", "Log_reg Drug")
node.setPropertyValue("use_partitioned_data", True)
node.setPropertyValue("method", "Stepwise")
node.setPropertyValue("logistic_procedure", "Multinomial")
node.setPropertyValue("multinomial_base_category", "BP")
node.setPropertyValue("model_type", "FullFactorial")
node.setPropertyValue("custom_terms", [["BP", "Sex"], ["Age"], ["Na", "K"]])
node.setPropertyValue("include_constant", False)
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("scale", "Pearson")
node.setPropertyValue("scale_value", 3.0)
node.setPropertyValue("all_probabilities", True)
node.setPropertyValue("tolerance", "1.0E-7")
# "Convergence..." section
node.setPropertyValue("max_iterations", 50)
node.setPropertyValue("max_steps", 3)
node.setPropertyValue("l_converge", "1.0E-3")
node.setPropertyValue("p_converge", "1.0E-7")
node.setPropertyValue("delta", 0.03)
# "Output..." section
node.setPropertyValue("summary", True)
node.setPropertyValue("likelihood_ratio", True)
node.setPropertyValue("asymptotic_correlation", True)
node.setPropertyValue("goodness_fit", True)
node.setPropertyValue("iteration_history", True)
node.setPropertyValue("history_steps", 3)
node.setPropertyValue("parameters", True)
node.setPropertyValue("confidence_interval", 90)
node.setPropertyValue("asymptotic_covariance", True)
node.setPropertyValue("classification_table", True)
# "Stepping" options
node.setPropertyValue("min_terms", 7)
node.setPropertyValue("use_max_terms", True)
node.setPropertyValue("max_terms", 10)
node.setPropertyValue("probability_entry", 3)
node.setPropertyValue("probability_removal", 5)
node.setPropertyValue("requirements", "Containment")

Binomial Example

node = stream.create("logreg", "My node")
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Cholesterol")
node.setPropertyValue("inputs", ["BP", "Drug", "Age"])
node.setPropertyValue("partition", "Test")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "Log_reg Cholesterol")
node.setPropertyValue("multinomial_base_category", "BP")
node.setPropertyValue("use_partitioned_data", True)
node.setPropertyValue("binomial_method", "Forwards")
node.setPropertyValue("logistic_procedure", "Binomial")
node.setPropertyValue("binomial_categorical_input", "Sex")
node.setKeyedPropertyValue("binomial_input_contrast", "Sex", "Simple")
node.setKeyedPropertyValue("binomial_input_category", "Sex", "Last")
node.setPropertyValue("include_constant", False)
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("scale", "Pearson")
node.setPropertyValue("scale_value", 3.0)
node.setPropertyValue("all_probabilities", True)
node.setPropertyValue("tolerance", "1.0E-7")
# "Convergence..." section
node.setPropertyValue("max_iterations", 50)
node.setPropertyValue("l_converge", "1.0E-3")
node.setPropertyValue("p_converge", "1.0E-7")
# "Output..." section
node.setPropertyValue("binomial_output_display", "at_each_step")
node.setPropertyValue("binomial_goodness_of_fit", True)
node.setPropertyValue("binomial_iteration_history", True)
node.setPropertyValue("binomial_parameters", True)
node.setPropertyValue("binomial_ci_enable", True)
node.setPropertyValue("binomial_ci", 85)
# "Stepping" options
node.setPropertyValue("binomial_removal_criterion", "LR")
node.setPropertyValue("binomial_probability_removal", 0.2)
表 1. logregnode プロパティー
logregnodeプロパティー 値 プロパティーの説明
target フィールド ロジスティック回帰モデルは 1 つの対象フィールドおよび 1 つ以上の入力フィールドを使用します。 度数フィールドおよび重みフィールドは使用しません。 詳しくは、 モデル作成ノードの共通プロパティー を参照してください。
logistic_procedure Binomial Multinomial  
include_constant フラグ  
mode Simple Expert  
method Enter Stepwise Forwards Backwards BackwardsStepwise  
binomial_method Enter Forwards Backwards  
model_type MainEffects FullFactorial Custom FullFactorialがモデル・タイプとして指定されている場合、ステップ法は指定されていても実行されません。 代わりに、Enterが使用される方法になります。 モデル・タイプに Custom が設定されてもユーザー設定フィールド (custom fields) が指定されていない場合は、主効果モデルが構築されます。
custom_terms [[BP Sex] [BP] [Age]]  
multinomial_base_category string 参照カテゴリーの決定方法を指定します。
binomial_categorical_input string  
binomial_input_contrast Indicator Simple Difference Helmert Repeated Polynomial Deviation コントラストを決定する方法を指定するカテゴリー入力用のキー・プロパティー。 使用例を参照してください。
binomial_input_category First Last 参照カテゴリーを決定する方法を指定するカテゴリー入力用のキー・プロパティー。 使用例を参照してください。
scale None UserDefined Pearson Deviance  
scale_value 数値  
all_probabilities フラグ  
tolerance 1.0E-5 1.0E-6 1.0E-7 1.0E-8 1.0E-9 1.0E-10  
min_terms 数値  
use_max_terms フラグ  
max_terms 数値  
entry_criterion Score LR  
removal_criterion LR Wald  
probability_entry 数値  
probability_removal 数値  
binomial_probability_entry 数値  
binomial_probability_removal 数値  
requirements HierarchyDiscrete HierarchyAll Containment None  
max_iterations 数値  
max_steps 数値  
p_converge 1.0E-4 1.0E-5 1.0E-6 1.0E-7 1.0E-8 0  
l_converge 1.0E-1 1.0E-2 1.0E-3 1.0E-4 1.0E-5 0  
delta 数値  
iteration_history フラグ  
history_steps 数値  
summary フラグ  
likelihood_ratio フラグ  
asymptotic_correlation フラグ  
goodness_fit フラグ  
parameters フラグ  
confidence_interval 数値  
asymptotic_covariance フラグ  
classification_table フラグ  
stepwise_summary フラグ  
info_criteria フラグ  
monotonicity_measures フラグ  
binomial_output_display at_each_step at_last_step  
binomial_goodness_of_fit フラグ  
binomial_parameters フラグ  
binomial_iteration_history フラグ  
binomial_classification_plots フラグ  
binomial_ci_enable フラグ  
binomial_ci 数値  
binomial_residual outliers all  
binomial_residual_enable フラグ  
binomial_outlier_threshold 数値  
binomial_classification_cutoff 数値  
binomial_removal_criterion LR Wald Conditional  
calculate_variable_importance フラグ  
calculate_raw_propensities フラグ