Используйте по своей сути интерпретируемые регрессионые модели, такие как линейные модели, деревья решений и обобщенные аддитивные модели, или используйте функции интерпретации для интерпретации сложных регрессионых моделей, которые по своей сути не интерпретируются.
Чтобы узнать, как интерпретировать регрессионые модели, смотрите Interpret Machine Learning Models.
LinearModel | Линейная регрессионая модель |
RegressionGAM | Обобщенная аддитивная модель (GAM) для регрессии |
RegressionLinear | Линейная регрессионая модель для высоко-размерных данных |
RegressionTree | Дерево регрессии |
Интерпретируйте модели машинного обучения
Объясните предсказания модели с помощью lime, shapley, и plotPartialDependence.
Значения Shapley для модели машинного обучения
Вычислите значения Шепли для модели машинного обучения с помощью двух алгоритмов: kernelSHAP и расширения до kernelSHAP.
Узнайте об алгоритмах выбора признаков и исследуйте функции, доступные для выбора объектов.
Обучите линейную регрессионую модель
Обучите линейную регрессионую модель, используя fitlm для анализа данных в памяти и данной , которой не помещаютсе в память,.
Обучите обобщенную аддитивную модель для регрессии
Обучите обобщенную аддитивную модель (GAM) с оптимальными параметрами, оцените прогнозирующую эффективность и интерпретируйте обученную модель.
Обучите регрессионные деревья с помощью приложения Regression Learner
Создайте и сравните деревья регрессии и экспортируйте обученные модели, чтобы делать предсказания для новых данных.