В основе узла «Линейная регрессия» лежит модель зависимости между входными и выходными переменными с линейной функцией связи.
Список параметров узла представлен в таблице ниже.


Таблица «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.

Сид линейной регрессии

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:

  • svd, 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: