Generalisierte lineare Regression

Diagramm des Workflows "GeneralizedLinearRegression"


Führt eine generalisierte lineare Regression (GLR) aus, um Vorhersagen zu generieren oder eine abhängige Variable in Hinsicht auf ihre Beziehung zu einem Satz erklärender Variablen zu modellieren. Dieses Werkzeug kann für kontinuierliche (Gauß) und binäre (logistische) Modelle sowie für Anzahlmodelle (Poisson) verwendet werden.

Analysetyp


Gibt den Operationsmodus des Werkzeugs an. Das Werkzeug kann ausgeführt werden, um ein Modell nur für die Bewertung der Performance zu trainieren oder um ein Modell zu trainieren und Features vorherzusagen. Die folgenden Vorhersagetypen sind verfügbar:

  • Modell für die Bewertung der Modell-Performance anpassen: Ein Modell wird angepasst und auf die Eingabedaten angewendet. Verwenden Sie diese Option, um die Genauigkeit des Modells zu prüfen, bevor Sie Vorhersagen für ein neues Dataset generieren, oder um Beziehungen und Einflussfaktoren Ihrer vorhergesagten Variable zu verstehen. Die Ausgaben dieser Option sind ein Feature-Service Ihrer angepassten Daten und Modelldiagnosen.
  • Modell trainieren und Werte vorhersagen: Vorhersagen oder Klassifikationen werden für Eingabe-Features und Vorhersage-Features generiert. Sowohl für die Vorhersage-Features als auch für die vorherzusagenden Features müssen erklärende Variablen angegeben werden. Die Ausgaben dieser Option sind ein Feature-Service Ihres an die Eingabedaten angepassten Modells, ein Feature-Service von vorhergesagten Werten und Modelldiagnosen.

Ein Modell anpassen, um die Modell-Performance zu bewerten


Verwenden Sie diesen Modus, wenn Sie ein Modell anpassen und die Anpassung untersuchen möchten.

Mit dieser Auswahl wird das Modell mithilfe eines Eingabe-Layers trainiert. Prüfen Sie die Genauigkeit des Modells mit dieser Option, bevor Sie Vorhersagen für ein neues Dataset generieren. Mit dieser Option werden Modelldiagnosen ausgegeben, die sich durch die Anwendung auf Ihre Trainingsdaten ergeben.

Ein Modell anpassen und Werte vorhersagen


Verwenden Sie diesen Modus, wenn Sie ein Modell anpassen möchten, und wenden Sie das Modell auf das Dataset an, um Vorhersagen zu generieren.

Es werden Vorhersagen oder Klassifizierungen für Features generiert. Die Ausgaben dieser Option sind ein Feature-Service, Modelldiagnosen und optional eine Tabelle der Variablenbedeutung.

Wählen Sie einen Layer aus, aus dem ein Modell generiert werden soll


Der Layer mit Punkt-, Linien-, Flächen- oder tabellarischen Features, die die abhängigen und erklärenden Variablen enthalten.

Sie können nicht nur einen Layer aus der Karte auswählen, sondern auch unten in der Dropdown-Liste die Option Analyse-Layer auswählen auswählen, um zu Ihren Inhalten für ein Big-Data-Dateifreigabe-Dataset bzw. -Feature-Layer zu navigieren.

Wählen Sie das zu modellierende Feld aus


Das numerische Feld, das die beobachteten Werte, die modelliert werden sollen, und den Wertetyp enthält, den Sie modellieren. Sie können drei Wertetypen modellieren:

  • Kontinuierlich: Stellt kontinuierliche Werte dar. Das Gauß'sche Modell wird verwendet, und das Werkzeug führt eine Regression des Typs "Kleinste Quadrate" durch.
  • Binär: Stellt das Vorhandensein oder Fehlen von Werten dar. Diese müssen '1' und '0' lauten. Das logistische Regressionsmodell wird verwendet.
  • Anzahl: Ist diskontinuierlich und stellt Ereignisse wie die Anzahl von Straftaten, Krankheiten oder Verkehrsunfälle dar. Das Poisson-Regressionsmodell wird verwendet.

Wählen Sie einen Layer aus, für den Werte vorhergesagt werden sollen


Eine Layer mit Features, die Positionen darstellen, an denen Schätzungen berechnet werden sollen. Jedes Feature im Dataset sollte Werte für alle angegebenen erklärenden Variablen enthalten. Die abhängige Variable für diese Features wird anhand des Modells geschätzt, das für die Eingabe-Layer kalibriert wurde.

Wählen Sie die erklärenden Felder aus.


Ein oder mehrere Felder, die erklärende Variablen (Felder) darstellen und die Vorhersage des Wertes unterstützen. Es werden nur numerische Felder angezeigt.

Wählen Sie aus, wie erklärende Felder zugeordnet werden


Auf welche Weise die entsprechenden Variablen im Eingabe-Layer mit den Variablen im Vorhersage-Layer übereinstimmen. Es werden nur die beim Generieren des Modells verwendeten Variablen in die Tabelle einbezogen. Es werden nur numerische Werte verwendet.

Name des Ergebnis-Layers


Der Name des Layers, der erstellt wird. Wenn Sie in einen ArcGIS Data Store schreiben, werden Ihre Ergebnisse in Eigene Inhalte gespeichert und der Karte hinzugefügt. Wenn Sie in eine Big-Data-Dateifreigabe schreiben, werden Ihre Ergebnisse in der Big-Data-Dateifreigabe gespeichert und ihrem Manifest hinzugefügt. Sie werden nicht der Karte hinzugefügt. Der Standardname basiert auf dem Werkzeugnamen und dem Namen des Eingabe-Layers. Wenn der Layer bereits vorhanden ist, kann das Werkzeug nicht ausgeführt werden.

Die zurückgegebenen Ergebnisse sind vom jeweiligen Analysetyp abhängig. Wenn Sie eine Anpassung zum Bewerten der Modellanpassung durchführen, enthalten die Ergebnisse einen an das Modell angepassten Layer mit Eingabedaten und Ergebnisinformationen mit einer Bewertung der Modellanpassung. Wenn Sie Anpassungen und Vorhersagen durchführen, enthalten die Ergebnisse einen Layer mit den an das Modell angepassten Eingabe-Daten, einen Layer mit vorhergesagten Ergebnissen und Ergebnisinformationen mit einer Bewertung der Modellanpassung.

Wenn Sie über das Dropdown-Feld Ergebnis speichern in in ArcGIS Data Store (Big Data Store vom Typ "relational" oder "spatiotemporal") schreiben, können Sie den Namen eines Ordners in Eigene Inhalte angeben, in dem das Ergebnis gespeichert wird.