Обобщенная аддитивная модель

Интерпретируемая модель, состоящая из одномерных и двумерных функций формы для регрессии

Использовать fitrgam чтобы соответствовать обобщенной аддитивной модели для регрессии.

Обобщенная аддитивная модель (GAM) - это интерпретируемая модель, которая объясняет переменную ответа, используя сумму одномерных и двумерных функций формы предикторов. fitrgam использует усиленное дерево в качестве функции формы для каждого предиктора и, необязательно, для каждой пары предикторов; следовательно, функция может фиксировать нелинейное отношение между предиктором и переменной отклика. Поскольку вклады отдельных функций формы в предсказание (значение отклика) хорошо разделены, модель легко интерпретировать.

Объекты

`RegressionGAM`	Обобщенная аддитивная модель (GAM) для регрессии
`CompactRegressionGAM`	Компактная обобщенная аддитивная модель (GAM) для регрессии
`RegressionPartitionedGAM`	Перекрестно проверенная обобщенная аддитивная модель (GAM) для регрессии

Функции

развернуть все

Создание объекта GAM

`fitrgam`	Подгонка обобщенной аддитивной модели (GAM) для регрессии
`compact`	Уменьшение размера модели машинного обучения
`crossval`	Модель машинного обучения с перекрестной проверкой

Обновить GAM

`addInteractions`	Добавление терминов взаимодействия в одномерную обобщенную аддитивную модель (GAM)
`resume`	Возобновление обучения обобщенной аддитивной модели (GAM)

Интерпретировать предсказание

`lime`	Локальные интерпретируемые модели-агностические объяснения (LIME)
`partialDependence`	Вычислить частичную зависимость
`plotLocalEffects`	Построить график локальных эффектов терминов в обобщенной аддитивной модели (GAM)
`plotPartialDependence`	Создание графиков частичной зависимости (PDP) и индивидуального условного ожидания (ICE)
`shapley`	Значения Шапли

Оценка прогностической эффективности новых наблюдений

`predict`	Прогнозирование ответов с использованием обобщенной аддитивной модели (GAM)
`loss`	Регрессионная потеря для обобщенной аддитивной модели (GAM)

Оценка предиктивной эффективности данных обучения

`resubPredict`	Прогнозирование ответов на обучающие данные с использованием обученной регрессионной модели
`resubLoss`	Регрессионная потеря при реадаптации

Оценка предиктивной производительности для перекрестно проверенных данных

`kfoldPredict`	Прогнозирование ответов для наблюдений в модели перекрестной регрессии
`kfoldLoss`	Потеря для перекрестно проверенной секционированной регрессионной модели
`kfoldfun`	Функция перекрестной проверки для регрессии

Темы

Обобщенная аддитивная модель поезда для регрессии

Обучение обобщенной аддитивной модели (GAM) с оптимальными параметрами, оценка прогностической эффективности и интерпретация обученной модели.

Документация по инструментам для статистического и машинного обучения

Поддержка

Памятка переводчика

1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.

2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.

3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.

4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.

5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.