ロジスティック回帰ツール

モデル名: モデルが他のツールで参照されているとき、そのモデルを識別するモデル名を入力します。モデル名は文字で始まる必要があり、文字、数字、および特殊文字ピリオド(.)と下線(_)を含むことができます。その他の特殊文字は使用できず、またRは大文字と小文字を区別します。

ターゲット変数を選択: 予測するデータを選択します。ターゲット変数は、応答変数または従属変数とも呼ばれます。

予測変数を選択: ターゲット変数の値に影響を与えるために使用するデータを選択します。予測変数は、機能または独立変数とも呼ばれます。任意の数の予測変数を選択できますが、ターゲット変数は予測変数にしてはなりません。サロゲート主キーやナチュラル主キーなどの固有識別子を含む列は、統計分析で使用しないでください。これらの列は予測値がなく、実行時の例外処理を引き起こす可能性があります。

変数を選択して、モデル推定の作成時に各レコードに配置する重要度を決定します。値が予測変数と重み変数の両方として使用されている場合、重み変数は、レポート出力のモデル呼び出しに文字列「Right_」が付加されて表示されます。

誤差の二乗和の同じ最小化と係数のサイズに関するペナルティ項のバランスをとるために選択し、より単純なモデルを生成します。

ターゲット変数を予測するために使用するモデルのタイプを選択します。

Use cross-validation to determine estimates of model quality: Select to perform cross-validation and obtain various model quality metrics and graphs. 一部のメトリックとグラフは静的なR出力に表示され、他のメトリックとグラフは相互作用I出力に表示されます。

データを分ける折り畳みの数を選択します。折り畳み数が多いほどモデルの品質はより強固に推定されますが、折り畳みが少ない方がツールは高速に実行されます。

クロス確認手順を繰り返す回数を選択します。各試行において折り畳みが異なるように選択され、全体の結果はすべての試行にわたって平均化されます。折り畳み数が多いほどモデルの品質はより強固に推定されますが、折り畳みが少ない方がツールは高速に実行されます。

バイナリ分類の場合(真の陽性率など)にツールによって報告される測定値の中には、陽性のクラスを指定する必要があるものがあります。バイナリ分類を実行するには、ターゲット変数の2つの陽性クラスの1つを入力します。空白のままにしておくと、クラスの1つが自動的に陽性クラスとして決定されます。このオプションは、分類モデルでのみ使用できます。

各折り畳みがデータセット全体に存在する各クラスと同じパーセンテージを持つように選択します。このオプションは、分類モデルでのみ使用できます。

クロス確認の再現性を確実にするために選択し、レコードを折り畳みに割り当てるために使用されるシードの値を選択します。ワークフローが実行されるたびに同じシードを選択すると、毎回同じレコードが同じ折り畳みになることが保証されます。タイムスタンプは正の整数でなければなりません。

解像度を低くするとファイルサイズが小さくなり、モニターでの表示に最適です。

解像度を高くするとファイルサイズが大きくなり、印刷品質が向上します。

O アンカー: 結果ウィンドウにオブジェクトのモデル名とサイズを表示します。

R アンカー: サマリーとプロットを含むモデルのサマリーレポートを表示します。

サポートする視覚の相互作用的ダッシュボードを表示し、ズーム、ホバー、クリックすることができます。

モデル名: 各モデルには後で識別できるように名前を付ける必要があります。名前を指定するか、名前を自動的に生成するかを選択できます。モデル名は文字で始まる必要があり、文字、数字、および特殊文字ピリオド（ "."）とアンダースコア（ "_"）を含むことができます。その他の特殊文字は使用できず、またRは大文字と小文字を区別します。

ターゲット変数を選択: 予測するデータストリームからフィールドを選択します。

予測変数を選択: ターゲット変数の値が変更される「原因」と考えられるフィールドをデータストリームから選択します。サロゲート主キーやナチュラル主キーなどの固有識別子を含む列は、統計分析で使用しないでください。これらの列は予測値がなく、実行時の例外処理を引き起こす可能性があります。

モデルから定数を省略したい場合は、この項目にチェックマークを入れてください。これは相する明示的な理由がある場合に行う必要があります。

このオプションを使用すると、Oracleプラットフォームにのみ関連する追加オプションを構成できます。

モデル推定にサンプリング重み付けを使用: チェックボックスをクリックしてデータストリームから重み付けフィールドを選択し、サンプリング重み付けを使用するモデルを推定します。フィールドは予測と重み変数の両方として使用され、重み変数はモデルコールの出力に「Right_」という文字列が付加された形で表示されます。

Microsoft R Serverは、使用する特定のTeradataプラットフォーム、特にRのバイナリ実行可能ファイルに対するTeradataサーバー上のパス、およびMicrosoft R Serverで使用される一時ファイルが書き込まれる場所に関する追加の構成情報を必要とします。この情報は、Teradataのローカル管理者が提供する必要があります。

O anchor: Output. 「結果」ウィンドウにオブジェクトのモデル名とサイズを表示します。

R アンカー: レポート。要約とプロットを含むモデルの要約レポートを表示します。