分类模型 此工具可让您使用 Spotfire Enterprise Runtime for R 引擎创建分类模型，而无需亲自编写任何脚本。 注： 必须在已安装的客户端中创建分类模型。 在菜单栏上，选择“工具” > “分类模型”以使用该工具。 有关更多详细信息，请参见各个部分。 涵盖的主题：创建分类模型利用分类模型工具，可使用 Spotfire Enterprise Runtime for R 引擎创建分类模型，而无需亲自编写任何脚本。逻辑回归方法逻辑回归是当反应列仅使用两个可能的值分类时所使用的分类方法。可能结果的概率将通过逻辑转换以“预测器”列的加权和来建模。系统将选择权重或回归系数来最大化所观察数据的可能性。分类树方法分类树是一种非参数形式的分类方法，可通过递归拆分预测值中的数据来创建二进制树。拆分数据将会被选中，这样两个子节点在反应列的级别方面将比父节点更纯净。将使用各种选项来控制树种植的深度。对观察值的类预测是基于观察值的终端节点中的多数类的。创建分类模型利用分类模型工具，可使用 Spotfire Enterprise Runtime for R 引擎创建分类模型，而无需亲自编写任何脚本。逻辑回归方法逻辑回归是当反应列仅使用两个可能的值分类时所使用的分类方法。可能结果的概率将通过逻辑转换以“预测器”列的加权和来建模。系统将选择权重或回归系数来最大化所观察数据的可能性。分类树方法分类树是一种非参数形式的分类方法，可通过递归拆分预测值中的数据来创建二进制树。拆分数据将会被选中，这样两个子节点在反应列的级别方面将比父节点更纯净。将使用各种选项来控制树种植的深度。对观察值的类预测是基于观察值的终端节点中的多数类的。父主题： 预测模型主页分析数据统计工具预测模型分类模型
分类模型 此工具可让您使用 Spotfire Enterprise Runtime for R 引擎创建分类模型，而无需亲自编写任何脚本。 注： 必须在已安装的客户端中创建分类模型。 在菜单栏上，选择“工具” > “分类模型”以使用该工具。 有关更多详细信息，请参见各个部分。 涵盖的主题：创建分类模型利用分类模型工具，可使用 Spotfire Enterprise Runtime for R 引擎创建分类模型，而无需亲自编写任何脚本。逻辑回归方法逻辑回归是当反应列仅使用两个可能的值分类时所使用的分类方法。可能结果的概率将通过逻辑转换以“预测器”列的加权和来建模。系统将选择权重或回归系数来最大化所观察数据的可能性。分类树方法分类树是一种非参数形式的分类方法，可通过递归拆分预测值中的数据来创建二进制树。拆分数据将会被选中，这样两个子节点在反应列的级别方面将比父节点更纯净。将使用各种选项来控制树种植的深度。对观察值的类预测是基于观察值的终端节点中的多数类的。创建分类模型利用分类模型工具，可使用 Spotfire Enterprise Runtime for R 引擎创建分类模型，而无需亲自编写任何脚本。逻辑回归方法逻辑回归是当反应列仅使用两个可能的值分类时所使用的分类方法。可能结果的概率将通过逻辑转换以“预测器”列的加权和来建模。系统将选择权重或回归系数来最大化所观察数据的可能性。分类树方法分类树是一种非参数形式的分类方法，可通过递归拆分预测值中的数据来创建二进制树。拆分数据将会被选中，这样两个子节点在反应列的级别方面将比父节点更纯净。将使用各种选项来控制树种植的深度。对观察值的类预测是基于观察值的终端节点中的多数类的。父主题： 预测模型主页分析数据统计工具预测模型分类模型