gle 属性

GLE 节点图标 GLE扩展了线性模型，使目标具有非正态分布，通过特定的链接函数与因子和协变量呈线性关系，并使观测值之间具有相关性。广义线性混合模型涵盖了各种模型，从简单线性回归模型到非正态纵向模型数据的复杂多级模型。

表 1。 gle 属性
`gle` 属性	值	属性描述
`custom_target`	标志	指示使用上游节点（`false` ）中定义的目标还是 `target_field` （`true` ）指定的自定义目标。
`target_field`	字段	如果 `custom_target` 是 `true` ，则将字段用作目标。
`use_trials`	标志	当目标响应是一组试验中发生的事件数量时，指示是否使用指定试验次数的附加字段或值。默认邮箱为 `false`。
`use_trials_field_or_value`	`Field` `Value`	指示是否使用字段（默认）或值来指定试验次数。
`trials_field`	字段	用于指定试验次数的字段。
`trials_value`	整数	用于指定试验次数的值。如果指定，最小值为1。
`use_custom_target_reference`	标志	指示是否将自定义参考类别用于分类目标。默认邮箱为 `false`。
`target_reference_value`	字符串	如果 `use_custom_target_reference` 是 `true` ，请参考以下类别。
`dist_link_combination`	`NormalIdentity` `GammaLog` `PoissonLog` `NegbinLog` `TweedieIdentity` `NominalLogit` `BinomialLogit` `BinomialProbit` `BinomialLogC` `CUSTOM`	目标值分布的常见模型。选择 `CUSTOM` ，从 `target_distribution` 提供的列表中选择分发方式。
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `INVERSE_GAUSS` `NEG_BINOMIAL` `Poisson` `TWEEDIE` `UNKNOWN`	当 `dist_link_combination` 为 `Custom` 时，目标值的分布。
`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`	将目标值与预测值联系起来的链接功能。如果 `target_distribution` 是 `Binomial` ，您可以使用： `UNKNOWNIDENTITYLOGLOGITPROBITCOMPL_LOG_LOGPOWERLOG_COMPLNEG_LOG_LOGODDS_POWER` 如果 `target_distribution` 是 `NEG_BINOMIAL` ，您可以使用： `NEG_BINOMIAL` 如果 `target_distribution` 是 `UNKNOWN` ，您可以使用： `GEN_LOGITCUMUL_LOGITCUMUL_PROBITCUMUL_COMPL_LOG_LOGCUMUL_NEG_LOG_LOGCUMUL_CAUCHIT`
`link_function_param`	号	要使用的Tweedie参数值。仅当 `normal_link_function` 或 `link_function_type` 为 `POWER` 时适用。
`tweedie_param`	号	链接功能参数值以供使用。仅当 `dist_link_combination` 设置为 `TweedieIdentity` 或 `link_function_type` 设置为 `TWEEDIE` 时适用。
`use_predefined_inputs`	标志	指示模型效果字段是上游定义的输入字段（`true` ）还是来自 `fixed_effects_list` （`false` ）的。
`model_effects_list`	结构化	如果 `use_predefined_inputs` 是 `false` ，则指定用作模型效果字段的输入字段。
`use_intercept`	标志	如果 `true` （默认值）在模型中包含截距。
`regression_weight_field`	字段	用作分析权重的字段。
`use_offset`	`None` `Value` `Variable`	指示偏移量的指定方式。 `None` 表示未使用偏移。
`offset_value`	号	如果 `use_offset` 设置为 `offset_value` ，则用于偏移的值。
`offset_field`	字段	如果 `use_offset` 设置为 `offset_field` ，则此处用于输入偏移值。
`target_category_order`	`Ascending` `Descending`	分类目标的排序。默认邮箱为 `Ascending`。
`inputs_category_order`	`Ascending` `Descending`	分类预测变量的排序。默认邮箱为 `Ascending`。
`max_iterations`	整数	算法将执行的最大迭代次数。非负整数；默认值为100。
`confidence_level`	号	用于计算模型系数区间估计值的置信水平。非负整数；最大值为100，默认值为95。
`test_fixed_effects_coeffecients`	`Model` `Robust`	计算参数估计协方差矩阵的方法。
`detect_outliers`	标志	当算法找到除多项式分布之外的所有分布中具有影响力的离群值时，即为真。
`conduct_trend_analysis`	标志	当算法正确时，它会进行散点图的趋势分析。
`estimation_method`	`FISHER_SCORING` `NEWTON_RAPHSON` `HYBRID`	指定最大似然估计算法。
`max_fisher_iterations`	整数	如果使用 `FISHER_SCORING` `estimation_method` ，则最大迭代次数。最小0，最大20。
`scale_parameter_method`	`MLE` `FIXED` `DEVIANCE` `PEARSON_CHISQUARE`	指定用于估计比例参数的方法。
`scale_value`	号	仅当 `scale_parameter_method` 设置为 `Fixed` 时可用。
`negative_binomial_method`	`MLE` `FIXED`	指定负二项式辅助参数的估计方法。
`negative_binomial_value`	号	仅当 `negative_binomial_method` 设置为 `Fixed` 时可用。
`use_p_converge`	标志	参数收敛选项。
`p_converge`	号	空白或任何正值。
`p_converge_type`	标志	真=绝对，假=相对
`use_l_converge`	标志	日志似然收敛选项。
`l_converge`	号	空白或任何正值。
`l_converge_type`	标志	真=绝对，假=相对
`use_h_converge`	标志	可选择黑森州融合。
`h_converge`	号	空白或任何正值。
`h_converge_type`	标志	真=绝对，假=相对
`max_iterations`	整数	算法将执行的最大迭代次数。非负整数；默认值为100。
`sing_tolerance`	整数
`use_model_selection`	标志	启用参数阈值和模型选择方法控制。
`method`	`LASSO` `ELASTIC_NET` `FORWARD_STEPWISE` `RIDGE`	确定模型选择方法，或者如果使用 `Ridge` ，则确定所使用的正则化方法。
`detect_two_way_interactions`	标志	当 `True` 时，该模型会自动检测输入字段之间的双向交互。仅当模型仅包含主要效应（即用户未创建任何高阶效应）且所选 `method` 为“前向逐步”、“套索”或“弹性网”时，才应启用该控制。
`automatic_penalty_params`	标志	仅当模型选择 `method` 为Lasso或Elastic Net时可用。使用此功能可输入与套索或弹性网变量选择方法相关的惩罚参数。如果为 `True` ，则使用默认值。如果 `False` ，启用处罚参数后，可以输入自定义值。
`lasso_penalty_param`	号	仅当模型选择 `method` 为Lasso或Elastic Net且 `automatic_penalty_params` 为 `False` 时可用。指定Lasso的惩罚参数值。
`elastic_net_penalty_param1`	号	仅当模型选择 `method` 为Lasso或Elastic Net且 `automatic_penalty_params` 为 `False` 时可用。为弹性网参数1指定惩罚参数值。
`elastic_net_penalty_param2`	号	仅当模型选择 `method` 为Lasso或Elastic Net且 `automatic_penalty_params` 为 `False` 时可用。为弹性网参数2指定惩罚参数值。
`probability_entry`	号	仅当所选的 `method` 为“逐步前进”时可用。指定统计检验标准对效应纳入的显著性水平。
`probability_removal`	号	仅当所选的 `method` 为“逐步前进”时可用。指定用于消除效应的f统计准则的显著性水平。
`use_max_effects`	标志	仅当所选的 `method` 为“逐步前进”时可用。启用 `max_effects` 控制。当 `False` 默认包含的效果数量等于提供给模型的效果总数减去截距。
`max_effects`	整数	使用逐步前推法时，请指定最大效果数量。
`use_max_steps`	标志	启用 `max_steps` 控制。当 `False` 默认步数等于提供给模型的效果数量的三倍时，不包括截距。
`max_steps`	整数	使用“逐步前进”构建时，请指定最大步数 `method`。
`use_model_name`	标志	指示是否为模型指定自定义名称（`true` ）或使用系统生成的名称（`false` ）。默认值为 `false`。
`model_name`	字符串	如果 `use_model_name` 是 `true` ，则指定要使用的车型名称。
`usePI`	标志	如果 `true` ，预测的重要性将被计算出来。
`perform_model_effect_tests`	布尔型	是否执行模型效应测试。
`non_neg_least_squares`	整数	是否执行非负最小二乘。