Обобщенная аддитивная модель

Интерпретируемая модель, состоящая из одномерных и двухмерных функций формы для двоичной классификации

Использовать fitcgam для подгонки обобщенной аддитивной модели для двоичной классификации.

Обобщенная аддитивная модель (GAM) является интерпретируемой моделью, которая объясняет счета классов (логит вероятностей классов) с помощью суммы одномерных и двухмерных функций формы предикторов. fitcgam использует усиленное дерево в качестве функции формы для каждого предиктора и, опционально, для каждой пары предикторов; поэтому функция может захватывать нелинейное отношение между предиктором и переменной отклика. Поскольку вклады отдельных функций формы в предсказание (классификационная оценка) хорошо разделены, модель легко интерпретировать.

Объекты

`ClassificationGAM`	Обобщенная аддитивная модель (GAM) для двоичной классификации
`CompactClassificationGAM`	Компактная обобщенная аддитивная модель (GAM) для двоичной классификации
`ClassificationPartitionedGAM`	Перекрестная проверенная обобщенная аддитивная модель (GAM) для классификации

Функции

расширить все

Создание объекта GAM

`fitcgam`	Подгонка обобщенной аддитивной модели (GAM) для двоичной классификации
`compact`	Уменьшите размер модели машинного обучения
`crossval`	Перекрестная валидация модели машинного обучения

Обновление GAM

`addInteractions`	Добавьте условия взаимодействия в одномерную обобщенную аддитивную модель (GAM)
`resume`	Возобновите обучение обобщенной аддитивной модели (GAM)

Интерпретируйте предсказание

`lime`	Локальные интерпретируемые модели-агностические объяснения (LIME)
`partialDependence`	Вычисление частичной зависимости
`plotLocalEffects`	Постройте график локальных эффектов терминов в обобщенной аддитивной модели (GAM)
`plotPartialDependence`	Создайте график частичной зависимости (PDP) и отдельные графики условного ожидания (ICE)
`shapley`	Значения Shapley

Оцените прогнозирующую эффективность при новых наблюдениях

`predict`	Классифицируйте наблюдения с помощью обобщенной аддитивной модели (GAM)
`loss`	Классификационные потери для обобщенной аддитивной модели (GAM)
`margin`	Классификационные поля для обобщенной аддитивной модели (GAM)
`edge`	Классификационные ребра для обобщенной аддитивной модели (GAM)

Оценка прогнозирующей эффективности при обучающих данных

`resubPredict`	Классификация обучающих данных с помощью обученного классификатора
`resubLoss`	Потери по классификации реституции
`resubMargin`	Классификационный запас для реституции
`resubEdge`	Ребро классификации реституции

Оценка прогнозирующей эффективности на перекрестных проверенных данных

`kfoldPredict`	Классифицируйте наблюдения в перекрестно проверенной классификационной модели
`kfoldLoss`	Классификационные потери для перекрестно проверенной классификационной модели
`kfoldMargin`	Классификационные поля для перекрестно проверенной классификационной модели
`kfoldEdge`	Классификационные ребра для перекрестно проверенной классификационной модели
`kfoldfun`	Функция перекрестной проверки для классификации

Сравнение точностей

`compareHoldout`	Сравните точности двух классификационных моделей с помощью новых данных
`testckfold`	Сравните точности двух классификационных моделей путем повторной перекрестной валидации