Propiedades de regressionnode

Volver a la versión inglesa de la documentación

Última actualización: 04 oct 2024

Propiedades de regressionnode

Icono de nodo Regresión La regresión lineal es una técnica de estadístico común utilizada para resumir datos y realizar predicciones ajustando una superficie o línea recta que minimice las discrepancias existentes entre los valores de salida reales y los pronosticados.

Ejemplo

node = stream.create("regression", "My node")
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Age")
node.setPropertyValue("inputs", ["Na", "K"])
node.setPropertyValue("partition", "Test")
node.setPropertyValue("use_weight", True)
node.setPropertyValue("weight_field", "Drug")
# "Model" tab
node.setPropertyValue("use_model_name", True)
node.setPropertyValue("model_name", "Regression Age")
node.setPropertyValue("use_partitioned_data", True)
node.setPropertyValue("method", "Stepwise")
node.setPropertyValue("include_constant", False)
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("complete_records", False)
node.setPropertyValue("tolerance", "1.0E-3")
# "Stepping..." section
node.setPropertyValue("stepping_method", "Probability")
node.setPropertyValue("probability_entry", 0.77)
node.setPropertyValue("probability_removal", 0.88)
node.setPropertyValue("F_value_entry", 7.0)
node.setPropertyValue("F_value_removal", 8.0)
# "Output..." section
node.setPropertyValue("model_fit", True)
node.setPropertyValue("r_squared_change", True) 
node.setPropertyValue("selection_criteria", True)
node.setPropertyValue("descriptives", True)
node.setPropertyValue("p_correlations", True)
node.setPropertyValue("collinearity_diagnostics", True)
node.setPropertyValue("confidence_interval", True)
node.setPropertyValue("covariance_matrix", True)
node.setPropertyValue("durbin_watson", True)

Tabla 1. propiedades de regressionnode
Propiedades de `regressionnode`	Valores	Descripción de la propiedad
`target`	campo	Los modelos de regresión requieren un único campo objetivo y uno o más campos de entrada. También se puede especificar un campo de ponderación. Consulte el tema Propiedades de nodo de modelado común para obtener más información.
`method`	`Enter` `Stepwise` `Backwards` `Forwards`
`include_constant`	distintivo
`use_weight`	distintivo
`weight_field`	campo
`mode`	`Simple` `Expert`
`complete_records`	distintivo
`tolerance`	`1.0E-1` `1.0E-2` `1.0E-3` `1.0E-4` `1.0E-5` `1.0E-6` `1.0E-7` `1.0E-8` `1.0E-9` `1.0E-10` `1.0E-11` `1.0E-12`	Utilice comillas dobles para los argumentos.
`stepping_method`	`useP` `useF`	`useP` : utilizar probabilidad de F `useF`: utilizar valor F
`probability_entry`	número
`probability_removal`	número
`F_value_entry`	número
`F_value_removal`	número
`selection_criteria`	distintivo
`confidence_interval`	distintivo
`covariance_matrix`	distintivo
`collinearity_diagnostics`	distintivo
`regression_coefficients`	distintivo
`exclude_fields`	distintivo
`durbin_watson`	distintivo
`model_fit`	distintivo
`r_squared_change`	distintivo
`p_correlations`	distintivo
`descriptives`	distintivo
`calculate_variable_importance`	distintivo
`residuals`	Boolean	Estadísticos para los residuos (o diferencias entre los valores predichos y los reales).