Обобщенная аддитивная модель
Интерпретируемая модель, состоящая из одномерных и двухмерных функций формы для регрессии
Использовать fitrgam для соответствия обобщенной аддитивной модели для регрессии.
Обобщенная аддитивная модель (GAM) является интерпретируемой моделью, которая объясняет переменную отклика с использованием суммы одномерных и двухмерных функций формы предикторов. fitrgam 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 (значение отклика) хорошо разделены, модель легко интерпретировать.
Функции
расширить все
Создание объекта GAM
fitrgam | Подгонка обобщенной аддитивной модели (GAM) для регрессии |
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 | Спрогнозируйте ответы, используя обобщенную аддитивную модель (GAM) |
loss | Регрессионные потери для обобщенной аддитивной модели (GAM) |
Оценка прогнозирующей эффективности при обучающих данных
resubPredict | Прогнозируйте ответы для обучающих данных, используя обученную регрессионую модель |
resubLoss | Регрессионная потеря реституции |
Оценка прогнозирующей эффективности на перекрестных проверенных данных
kfoldPredict | Прогнозируйте ответы на наблюдения в перекрестно проверенной регрессионой модели |
kfoldLoss | Потеря для перекрестно проверенной секционированной регрессионой модели |
kfoldfun | Перекрестная проверка функции для регрессии |