Propriedades gle

Ícone do nó GLE Um GLE estende o modelo linear para que o destino possa ter uma distribuição não normal, esteja linearmente relacionado aos fatores e covariáveis por meio de uma função de ligação especificada, e para que as observações possam ser correlacionadas. Os modelos lineares generalizados mistos abrangem uma ampla variedade de modelos, desde regressão linear simples até modelos multiníveis complexos para dados longitudinais não normais.

Tabela 1. propriedades de gle
Propriedades `gle`	Valores	Descrição da propriedade
`custom_target`	sinalização	Indica se deve usar o destino definido em nó de envio de dados (`false`) ou o destino customizado especificado por `target_field` (`true`).
`target_field`	campo	Campo para usar como destino se `custom_target` for `true`.
`use_trials`	sinalização	Indica se um campo ou um valor adicional que especifica o número de avaliações deve ser utilizado quando a resposta de destino for um número de eventos que ocorrem em um conjunto de avaliações. O padrão é `false`.
`use_trials_field_or_value`	`Field` `Value`	Indica se um campo (padrão) ou um valor é utilizado para especificar o número de avaliações.
`trials_field`	campo	Campo a ser utilizado para especificar o número de avaliações.
`trials_value`	Número inteiro	Valor a ser utilizado para especificar o número de avaliações. Se especificado, o valor mínimo é 1.
`use_custom_target_reference`	sinalização	Indica se a categoria de referência customizada deve ser utilizada para uma variável resposta categórica. O padrão é `false`.
`target_reference_value`	sequência	Categoria de referência para usar se `use_custom_target_reference` for `true`.
`dist_link_combination`	`NormalIdentity` `GammaLog` `PoissonLog` `NegbinLog` `TweedieIdentity` `NominalLogit` `BinomialLogit` `BinomialProbit` `BinomialLogC` `CUSTOM`	Modelos comuns para a distribuição de valores para o destino. Escolha `CUSTOM` para especificar uma distribuição da lista fornecida por `target_distribution`.
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `INVERSE_GAUSS` `NEG_BINOMIAL` `Poisson` `TWEEDIE` `UNKNOWN`	Distribuição de valores para destino quando `dist_link_combination` é `Custom`.
`link_function_type`	`UNKNOWN` `IDENTITY` `LOG` `LOGIT` `PROBIT` `COMPL_LOG_LOG` `POWER` `LOG_COMPL` `NEG_LOG_LOG` `ODDS_POWER` `NEG_BINOMIAL` `GEN_LOGIT` `CUMUL_LOGIT` `CUMUL_PROBIT` `CUMUL_COMPL_LOG_LOG` `CUMUL_NEG_LOG_LOG` `CUMUL_CAUCHIT`	Função Link para relacionar valores de destino para preditores. Se `target_distribution` for `Binomial`, será possível usar: `UNKNOWNIDENTITYLOGLOGITPROBITCOMPL_LOG_LOGPOWERLOG_COMPLNEG_LOG_LOGODDS_POWER` Se `target_distribution` for `NEG_BINOMIAL`, será possível usar: `NEG_BINOMIAL` Se `target_distribution` for `UNKNOWN`, será possível usar: `GEN_LOGITCUMUL_LOGITCUMUL_PROBITCUMUL_COMPL_LOG_LOGCUMUL_NEG_LOG_LOGCUMUL_CAUCHIT`
`link_function_param`	number	O valor de parâmetro tweedie a ser usado. Somente aplicável se `normal_link_function` ou `link_function_type` for `POWER`.
`tweedie_param`	number	Valor do parâmetro da função de ligação a ser utilizado. Somente aplicável se `dist_link_combination` for configurado como `TweedieIdentity` ou `link_function_type` for `TWEEDIE`.
`use_predefined_inputs`	sinalização	Indica se os campos de efeito de modelo devem ser aqueles definidos como envio de dados como campos de entrada (`true`) ou aqueles de `fixed_effects_list` (`false`).
`model_effects_list`	estruturado	Se `use_predefined_inputs` for `false`, especifica os campos de entrada para usar como campos de efeito de modelo.
`use_intercept`	sinalização	Se `true` (padrão), inclui o intercepto no modelo.
`regression_weight_field`	campo	Campo a ser utilizado como campo de ponderação da análise.
`use_offset`	`None` `Value` `Variable`	Indica como o deslocamento for especificado. Valor `None` significa que nenhum deslocamento é usado.
`offset_value`	number	Valor a ser usado para deslocamento se `use_offset` for configurado como `offset_value`.
`offset_field`	campo	Campo para usar para valor de deslocamento se `use_offset` for configurado como `offset_field`.
`target_category_order`	`Ascending` `Descending`	Ordenação de classificação para variáveis resposta categórica. O padrão é `Ascending`.
`inputs_category_order`	`Ascending` `Descending`	Ordenação de classificação para preditores categóricos. O padrão é `Ascending`.
`max_iterations`	Número inteiro	Número máximo de iterações que o algoritmo executará. Um número inteiro não negativo; o padrão é 100.
`confidence_level`	number	O nível de confiança utilizado para calcular estimativas de intervalo dos coeficientes do modelo. Um número inteiro não negativo; o máximo é 100 e o padrão é 95.
`test_fixed_effects_coeffecients`	`Model` `Robust`	Método para calcular a matriz de covariância de estimativa de parâmetro.
`detect_outliers`	sinalização	Quando true, o algoritmo localiza valores discrepantes influentes para todas as distribuições, exceto a distribuição multinomial.
`conduct_trend_analysis`	sinalização	Quando true, o algoritmo conduz a análise de tendência para o gráfico de dispersão.
`estimation_method`	`FISHER_SCORING` `NEWTON_RAPHSON` `HYBRID`	Especifique o algoritmo de estimação de máxima verossimilhança.
`max_fisher_iterations`	Número inteiro	Se estiver usando o `FISHER_SCORING` `estimation_method`, o número máximo de iterações. Mínimo 0, máximo 20.
`scale_parameter_method`	`MLE` `FIXED` `DEVIANCE` `PEARSON_CHISQUARE`	Especifique o método a ser usado para a estimação do parâmetro de escala.
`scale_value`	number	Somente disponível se `scale_parameter_method` for configurado como `Fixed`.
`negative_binomial_method`	`MLE` `FIXED`	Especifique o método a ser usado para a estimação do parâmetro auxiliar de binomial negativa.
`negative_binomial_value`	number	Somente disponível se `negative_binomial_method` for configurado como `Fixed`.
`use_p_converge`	sinalização	Opção para a convergência de parâmetro.
`p_converge`	number	Em branco, ou qualquer valor positivo.
`p_converge_type`	sinalização	True = absoluto, False = relativo
`use_l_converge`	sinalização	Opção para convergência de log da verossimilhança.
`l_converge`	number	Em branco, ou qualquer valor positivo.
`l_converge_type`	sinalização	True = absoluto, False = relativo
`use_h_converge`	sinalização	Opção para convergência da Hessiana.
`h_converge`	number	Em branco, ou qualquer valor positivo.
`h_converge_type`	sinalização	True = absoluto, False = relativo
`max_iterations`	Número inteiro	Número máximo de iterações que o algoritmo executará. Um número inteiro não negativo; o padrão é 100.
`sing_tolerance`	Número inteiro
`use_model_selection`	sinalização	Ativa os controles de limite de parâmetro e de método de seleção do modelo.
`method`	`LASSO` `ELASTIC_NET` `FORWARD_STEPWISE` `RIDGE`	Determina o método de seleção do modelo usado ou, se estiver usando `Ridge`, o método de regularização.
`detect_two_way_interactions`	sinalização	Quando `True`, o modelo detectará automaticamente interações de duas vias entre campos de entrada. Esse controle somente deverá ser ativado se o modelo for somente de efeitos principais (ou seja, quando o usuário não tiver criado outros efeitos de ordem superior) e se o `method` selecionado for Forward Stepwise, Lasso ou Elastic Net.
`automatic_penalty_params`	sinalização	Somente disponível se a seleção de modelo `method` for Laço ou Rede elástica. Use esta função para inserir parâmetros de penalidade associados aos métodos de seleção de variáveis Lasso ou Elastic Net. Se `True`, valores padrão são usados. Se `False`, os parâmetros de penalidade são ativados e valores customizados podem ser inseridos.
`lasso_penalty_param`	number	Somente disponível se a seleção de modelo `method` for Laço ou Rede elástica e `automatic_penalty_params` for `False`. Especifique o valor de parâmetro de penalidade para Lasso.
`elastic_net_penalty_param1`	number	Somente disponível se a seleção de modelo `method` for Laço ou Rede elástica e `automatic_penalty_params` for `False`. Especifique o valor de parâmetro de penalidade para parâmetro 1 do Elastic Net.
`elastic_net_penalty_param2`	number	Somente disponível se a seleção de modelo `method` for Laço ou Rede elástica e `automatic_penalty_params` for `False`. Especifique o valor de parâmetro de penalidade para parâmetro 2 de Elastic Net.
`probability_entry`	number	Somente disponível se o `method` selecionado for Forward stepwise. Especifique o nível de significância do critério de estatística f para inclusão de efeito.
`probability_removal`	number	Somente disponível se o `method` selecionado for Forward stepwise. Especifique o nível de significância do critério de estatística f para remoção do efeito.
`use_max_effects`	sinalização	Somente disponível se o `method` selecionado for Forward stepwise. Ativa o controle `max_effects`. Quando `False`, o número padrão de efeitos incluídos deve ser igual ao número total de efeitos fornecidos ao modelo, menos a interceptação.
`max_effects`	Número inteiro	Especifique o número máximo de efeitos ao usar o método de construção forward stepwise.
`use_max_steps`	sinalização	Ativa o controle `max_steps`. Quando `False`, o número padrão de etapas deve ser igual a três vezes o número de efeitos fornecidos ao modelo, excluindo a interceptação.
`max_steps`	Número inteiro	Especifique o número máximo de etapas a serem tomadas ao usar a construção Forward stepwise `method`.
`use_model_name`	sinalização	Indica se deve especificar um nome customizado para o modelo (`true`) ou para usar o nome gerado pelo sistema (`false`). O padrão é `false`.
`model_name`	sequência	Se `use_model_name` for `true`, especifica o nome do modelo a ser usado.
`usePI`	sinalização	Se `true`, a importância do preditor é calculada.
`perform_model_effect_tests`	Booleano	Seja para realizar testes de efeito de modelo.
`non_neg_least_squares`	Número inteiro	Seja para executar mínimos quadrados não negativos.