...
Список параметров узла представлен в таблице (Таблица 31).
Якорь |
---|
_Ref91712507 | _Ref91712507 | Таблица 31 — ниже. Scroll Title |
---|
title-position | top |
---|
title-alignment | right |
---|
title | Параметры узла «Линейная регрессия» |
---|
|
Параметр | Возможные значения и ограничения | Описание |
---|
Название | Ручной ввод Ограничений на значение нет | Название узла, которое будет отображаться в интерфейсе | Описание | Ручной ввод Ограничений на значение нет | Описание узла | Добавить константу в модель | Чекбокс | Выбор данного чекбокса добавит константу в модель | L1 | Ручной ввод Неотрицательное число По умолчанию — 0,5 | Данный параметр задает значение L1-регуляризации | L2 | Ручной ввод Неотрицательное число По умолчанию — 0,5 | Данный параметр задает значение L2-регуляризации | Seed | Ручной ввод числового значения По умолчанию — 42 | Начальное числовое значение для генератора случайных чисел | Количество итераций | Ручной ввод Неотрицательное число По умолчанию — 100 | Данный параметр задает количество итераций, после достижения алгоритм останавливается | Метод оптимизации для гребневой регрессии | Раскрывающийся список со следующими значениями: - svd
- cholesky
- lsqr (по умолчанию)
- sparse_cg
- sag
- saga
| Данный параметр задает метод оптимизации для гребневой регрессии. Предусмотрены следующие варианты: |
|
...
- - использует сингулярное разложение
- cholesky
- lsqr
|
|
...
- - использует специальную процедуру упорядоченных наименьших квадратов
- sparse_cg
|
|
...
- - использует решатель сопряженных градиентов
- sag
|
|
...
- - использует stochastic average gradient descent
- saga
|
|
...
- - использует улучшенную версию stochastic average gradient descent
| Допустимая погрешность | Ручной ввод Неотрицательное число По умолчанию — 0,0001 | Данный параметр задает допустимую погрешность, после достижения которой алгоритм останавливается | Правило обновления коэффициентов модели | Раскрывающийся список со следующими значениями: - cyclic (по умолчанию)
- random
| Данный параметр задает правило обновления коэффициентов модели. Предусмотрены следующие варианты: |
|
...
- cyclic - последовательный перебор
- random
|
|
...
- - случайные коэффициенты обновляются каждую итерацию
|
|
Результаты выполнения узла:
- Тепловые карты для обучающей, валидационной и тестовой выборок (Аналогично узлу «Байесовская регрессия» Рисунок 142).
- Таблица с метриками качества модели (Аналогично узлу «Байесовская регрессия» Рисунок 143).
- Таблица с коэффициентами переменных (Аналогично узлу «Байесовская регрессия» Рисунок 144).