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
Regresja liniowa to typowa technika statystyczna umożliwiająca podsumowanie danych i przewidywanie poprzez dopasowanie do linii prostej lub powierzchni, co powoduje zminimalizowane rozbieżności pomiędzy przewidywanymi a rzeczywistymi wartościami zmiennych wyjściowych.
Przykład
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)Właściwości węzła regressionnode |
Wartości | Opis właściwości |
|---|---|---|
target |
field (pole) | Modele Regresja wymagają jednej zmiennej przewidywanej i co najmniej jednej zmiennej wejściowej. Można również określić zmienną ważącą. Więcej informacji można znaleźć w temacie Wspólne właściwości węzła modelowania . |
method |
Enter Stepwise Backwards Forwards |
|
include_constant |
Flaga | |
use_weight |
Flaga | |
weight_field |
field (pole) | |
mode |
Simple Expert |
|
complete_records |
Flaga | |
tolerance |
1.0E-11.0E-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 |
Argumenty należy używać w podwójne cudzysłowy. |
stepping_method |
useP useF |
useP : użyj prawdopodobieństwa F useF: użyj wartości F |
probability_entry |
Liczba | |
probability_removal |
Liczba | |
F_value_entry |
Liczba | |
F_value_removal |
Liczba | |
selection_criteria |
Flaga | |
confidence_interval |
Flaga | |
covariance_matrix |
Flaga | |
collinearity_diagnostics |
Flaga | |
regression_coefficients |
Flaga | |
exclude_fields |
Flaga | |
durbin_watson |
Flaga | |
model_fit |
Flaga | |
r_squared_change |
Flaga | |
p_correlations |
Flaga | |
descriptives |
Flaga | |
calculate_variable_importance |
Flaga | |
residuals |
boolean (boolowskie) | Statystyka reszt (różnic między wartościami przewidywanymi a rzeczywistymi). |