logregnode 특성

마지막 업데이트 날짜: 2025년 2월 11일

logregnode 특성

로지스틱 노드 아이콘 로지스틱 회귀분석은 입력 필드 값을 기반으로 레코드를 분류하는 통계 기법입니다. 선형 회귀와 유사하지만 숫자 범위 대신 범주형 대상 필드를 사용합니다.

다항 예제

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")

이항 예제

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)

표 1. logregnode 특성
`logregnode` 특성	값	특성 설명
`target`	필드	로지스틱 회귀 모형은 단일 대상 필드와 하나 이상의 입력 필드가 필요합니다. 빈도 및 가중 필드는 사용되지 않습니다. 자세한 정보는 공통 모델링 노드 특성 을 참조하십시오.
`logistic_procedure`	`Binomial` `Multinomial`
`include_constant`	플래그
`mode`	`Simple` `Expert`
`method`	`Enter` `Stepwise` `Forwards` `Backwards` `BackwardsStepwise`
`binomial_method`	`Enter` `Forwards` `Backwards`
`model_type`	`MainEffects` `FullFactorial` `Custom`	`FullFactorial`이(가) 모델 유형으로 지정되면, 지정된 경우에도 스테핑 메소드가 실행되지 않습니다. 대신, `Enter`이(가) 사용되는 메소드가 됩니다. 모델 유형이 `Custom`으로 설정되지만 사용자 정의 필드가 지정되지 않는 경우, 주효과 모델이 작성됩니다.
`custom_terms`	[[BP 성별] [BP] [연령]]
`multinomial_base_category`	문자열	참조 범주가 판별되는 방식을 지정합니다.
`binomial_categorical_input`	문자열
`binomial_input_contrast`	`Indicator` `Simple` `Difference` `Helmert` `Repeated` `Polynomial` `Deviation`	대비가 판별되는 방법을 지정하는 범주형 입력에 대한 키가 있는 특성입니다. 사용법은 예를 참조하십시오.
`binomial_input_category`	`First` `Last`	참조범주가 판별되는 방법을 지정하는 범주형 입력에 대한 키가 있는 특성입니다. 사용법은 예를 참조하십시오.
`scale`	`None` `UserDefined` `Pearson` `Deviance`
`scale_value`	Number
`all_probabilities`	플래그
`tolerance`	`1.0E-5` `1.0E-6` `1.0E-7` `1.0E-8` `1.0E-9` `1.0E-10`
`min_terms`	Number
`use_max_terms`	플래그
`max_terms`	Number
`entry_criterion`	`Score` `LR`
`removal_criterion`	`LR` `Wald`
`probability_entry`	Number
`probability_removal`	Number
`binomial_probability_entry`	Number
`binomial_probability_removal`	Number
`requirements`	`HierarchyDiscrete` `HierarchyAll` `Containment` `None`
`max_iterations`	Number
`max_steps`	Number
`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`	Number
`iteration_history`	플래그
`history_steps`	Number
`summary`	플래그
`likelihood_ratio`	플래그
`asymptotic_correlation`	플래그
`goodness_fit`	플래그
`parameters`	플래그
`confidence_interval`	Number
`asymptotic_covariance`	플래그
`classification_table`	플래그
`stepwise_summary`	플래그
`info_criteria`	플래그
`monotonicity_measures`	플래그
`binomial_output_display`	`at_each_step` `at_last_step`
`binomial_goodness_of_fit`	플래그
`binomial_parameters`	플래그
`binomial_iteration_history`	플래그
`binomial_classification_plots`	플래그
`binomial_ci_enable`	플래그
`binomial_ci`	Number
`binomial_residual`	`outliers` `all`
`binomial_residual_enable`	플래그
`binomial_outlier_threshold`	Number
`binomial_classification_cutoff`	Number
`binomial_removal_criterion`	`LR` `Wald` `Conditional`
`calculate_variable_importance`	플래그
`calculate_raw_propensities`	플래그