線形回帰 (DB)

依存カラムは数値データ タイプである必要があります。

線形回帰の場合、回帰分析またはモデル トレーニング用の独立変数データカラムを選択します。

少なくとも 1 つのカラムまたは交互作用変数を選択する必要があります。

• [true] は段階的回帰手法を実装します。 [true] を選択すると、可能な ステップワイズ タイプ 回帰メソッドの 1 つが使用され、基準タイプ と チェック値 が指定されなければなりません。

  ステップワイズ機能 を使用すると、システムは、より大きな元の変数セットと同様に機能する変数のサブセットを見つけることができます。一般に、データ サイエンティストは、より小さいモデルの方が、変数が多すぎるモデルを過剰に適合させる危険性から安全であると考えています。

• [false] (デフォルト) は、回帰分析の実行時に カラム名 と 相互作用カラム で指定されたすべての独立変数が一度に考慮され、モデルに含められることを指定することになります。

このオプションは、ステップワイズ特徴選択 が選択されている場合にのみ有効になります。

すべてのステップワイズ タイプの手法では、最小有意値は指定されたオペレーターのチェック値パラメーターによって定義され、有意性を決定するアプローチは基準値によって定義されます。

• FORWARD - (デフォルト) 順回帰分析プロセスの場合、特徴の選択はモデルに変数がない状態から始まり、一度に 1 つの変数を追加します。潜在的な各独立変数のモデルへの寄与は個別に計算されます。 基準タイプ で選択されたアプローチによって定義された最も重要な変数が、最初にモデルに追加されます。このプロセスは、残りの未使用の変数が最小有意水準を満たさなくなるまで繰り返されます。変数が組み込まれると、変数はモデル内に残ります。
  ノート: 大量の変数セットがあり、そのうちの少数のみが必要であると思われる場合は、この方法を使用します。
• BACKWARD - 後方回帰分析プロセスの場合、特徴の選択はモデルに含まれるすべての変数から始まります。変数の有意性が計算され、基準タイプ で選択されたアプローチによって定義された、最も重要性の低い変数がモデルから削除されます。このプロセスは、最下位変数が最小有意水準を満たすまで繰り返されます。少数の変数セットから開始し、少数の変数のみを削除する必要がある場合は、この方法を使用します。
• STEPWISE 段階的回帰分析プロセスでは、変数がモデルに追加された後、含まれる変数の有意性が再評価されることを除いて、同じ FORWARD メソッドのステップが実行されます。含まれている変数が有意性基準を満たさなくなった場合、その変数はモデルから削除されます。含める変数の特徴選択は、残りの変数がいずれも選択基準を満たさないか、含める最後の変数も削除された時点で終了します。これは最も強力で、一般的に使用される ステップワイズ タイプです。

ステップワイズ特徴選択 が選択されている場合にのみ有効になります。

• AIC - 一般的な赤池情報量基準 (AIC) は、統計モデルの相対的な適合度を示す特定の尺度です。この基準タイプを選択すると、含まれる特徴または変数の数の関数とモデルの最大尤度関数が適用されます。
• SBC - シュワルツ ベイジアン情報量基準 (SBC) は AIC 有意関数に似ていますが、選択された特徴量、つまり含まれる変数の数に対してより大きなペナルティ項が含まれています。

  変数を多く取りすぎないことでモデルのオーバー フィッティングを防ぐには、SBC を選択します。

ステップワイズ特徴選択 が選択されている場合にのみ有効になります。

デフォルト値: 0.05。段階的なアプローチを使用せずに実行している場合は、チェック値 を結果の AIC 値の 10% に設定することを検討してください。

グループ・バイカラムは、従属カラムまたは独立変数（モデルのカラム内）として選択できません。