Exponenta Banner
exponenta event banner

Обобщенная аддитивная модель

Поддающаяся толкованию модель, состоявшая из одномерных и двумерных функций формы для бинарной классификации

Использование fitcgam подбирать обобщенную аддитивную модель для бинарной классификации.

Обобщенная аддитивная модель (GAM) является поддающейся толкованию моделью, которая объясняет баллы класса (логит вероятностей класса) использование суммы одномерных и двумерных функций формы предикторов. fitcgam использует повышенное дерево в качестве функции формы для каждого предиктора и, опционально, каждой пары предикторов; поэтому, функция может получить нелинейное отношение между предиктором и переменной отклика. Поскольку вклады отдельных функций формы к предсказанию (классификационная оценка) хорошо разделяются, модель легко интерпретировать.

Объекты

ClassificationGAMОбобщенная аддитивная модель (GAM) для бинарной классификации
CompactClassificationGAMКомпактная обобщенная аддитивная модель (GAM) для бинарной классификации
ClassificationPartitionedGAMПерекрестная подтвержденная обобщенная аддитивная модель (GAM) для классификации

Функции

развернуть все

fitcgamПодходящая обобщенная аддитивная модель (GAM) для бинарной классификации
compactУменьшайте размер модели машинного обучения
crossvalПерекрестный подтвердите модель машинного обучения
addInteractionsДобавьте периоды взаимодействия в одномерную обобщенную аддитивную модель (GAM)
resumeВозобновите обучение обобщенной аддитивной модели (GAM)
limeЛокальные поддающиеся толкованию объяснения модели агностические (LIME)
partialDependenceВычислите частичную зависимость
plotLocalEffectsПостройте локальные эффекты терминов в обобщенной аддитивной модели (GAM)
plotPartialDependenceСоздайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP)
shapleyШепли оценивает
predictКлассифицируйте наблюдения с помощью обобщенной аддитивной модели (GAM)
lossПотеря классификации для обобщенной аддитивной модели (GAM)
marginПоля классификации для обобщенной аддитивной модели (GAM)
edgeРебро классификации для обобщенной аддитивной модели (GAM)
resubPredictКлассифицируйте обучающие данные с помощью обученного классификатора
resubLossПотеря классификации перезамены
resubMarginПоле классификации перезамены
resubEdgeРебро классификации перезамены
kfoldPredictКлассифицируйте наблюдения на перекрестную подтвержденную модель классификации
kfoldLossПотеря классификации для перекрестной подтвержденной модели классификации
kfoldMarginПоля классификации для перекрестной подтвержденной модели классификации
kfoldEdgeРебро классификации для перекрестной подтвержденной модели классификации
kfoldfunПерекрестный подтвердите функцию для классификации
compareHoldoutСравните точность двух моделей классификации с помощью новых данных
testckfoldСравните точность двух моделей классификации повторной перекрестной проверкой

Темы

Обучите обобщенную аддитивную модель бинарной классификации

Обучите обобщенную аддитивную модель (GAM) оптимальными параметрами, оцените прогнозирующую эффективность и интерпретируйте обученную модель.

Документация Statistics and Machine Learning Toolbox

Поддержка