Exponenta Banner
exponenta event banner

Интерпретируемость

Обучение интерпретируемых регрессионных моделей и интерпретация сложных регрессионных моделей

Используйте внутренне интерпретируемые регрессионные модели, такие как линейные модели, деревья решений и обобщенные аддитивные модели, или используйте функции интерпретируемости для интерпретации сложных регрессионных моделей, которые по своей сути не интерпретируются.

Инструкции по интерпретации регрессионных моделей см. в разделе Интерпретация моделей машинного обучения.

Функции

развернуть все

Локальная интерпретируемая модель - агностические объяснения (LIME)

limeЛокальные интерпретируемые модели-агностические объяснения (LIME)
fitПодгонка простой модели локальных интерпретируемых моделей-агностических объяснений (LIME)
plotРезультаты графика локальных интерпретируемых модельно-агностических объяснений (LIME)

Значения Шапли

shapleyЗначения Шапли
fitВычислить значения Shapley для точки запроса
plotГрафик значений Шейпли

Частичная зависимость

partialDependenceВычислить частичную зависимость
plotPartialDependenceСоздание графиков частичной зависимости (PDP) и индивидуального условного ожидания (ICE)
fitlmПодгонка модели линейной регрессии
fitrgamПодгонка обобщенной аддитивной модели (GAM) для регрессии
fitrlinearПодгонка модели линейной регрессии к высокоразмерным данным
fitrtreeПодгонка двоичного дерева решений для регрессии

Объекты

LinearModelМодель линейной регрессии
RegressionGAMОбобщенная аддитивная модель (GAM) для регрессии
RegressionLinearМодель линейной регрессии для высокоразмерных данных
RegressionTreeРегрессионное дерево

Темы

Интерпретация модели

Интерпретировать модели машинного обучения

Объяснение прогнозов модели с помощью lime, shapley, и plotPartialDependence.

Ценности Shapley для модели машинного обучения

Вычислите значения Shapley для модели машинного обучения с помощью двух алгоритмов: kernelSHAP и расширения к kernelSHAP.

Введение в выбор элементов

Узнайте о алгоритмах выбора элементов и изучите функции, доступные для выбора элементов.

Интерпретируемые модели

Модель линейной регрессии поезда

Обучение модели линейной регрессии с помощью fitlm для анализа данных в памяти и данных вне памяти.

Обобщенная аддитивная модель поезда для регрессии

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

Обучение деревьев регрессии с помощью приложения для обучающихся регрессиям

Создание и сравнение деревьев регрессии и экспорт обученных моделей для прогнозирования новых данных.

Документация по инструментам для статистического и машинного обучения

Поддержка