火车一个单变量广义添加剂的分类模型,其中包含线性项预测。一个新的观察使用节约内存模型对象进行分类。然后,解释预测通过使用指定的数据实例plotLocalEffects函数。

加载电离层数据集。这个数据集有34个预测因子和351二进制响应雷达回报,要么坏(“b”)或好(‘g’)。

负载电离层

火车一个单变量GAM,表明雷达回波是否坏(“b”)或好(‘g’)。

Mdl = fitcgam (X, Y);

Mdl是一个ClassificationGAM模型对象。

节省内存的大小通过减少训练模型。

CMdl =紧凑(Mdl);

分类的第一个观察训练数据,画出当地条件的影响Mdl在预测。

标签=预测(CMdl X (1,:))

标签=1 x1单元阵列{' g '}

:plotLocalEffects (CMdl X (1))

的预测函数将第一次观察到X (1:)作为‘g’。的plotLocalEffects函数创建一个水平条形图显示当地的影响预测的10个最重要的方面。每个局部效应值显示每一项的贡献分类得分‘g’,这是分对数的后验概率的分类‘g’的观察。

火车的GAM二进制分类与线性预测和交互方面。创建本地影响情节使用线性和交互模型中,然后创建一个情节只使用线性模型中。指定是否包括交互条款在创建本地影响情节。

加载电离层数据集。这个数据集有34个预测因子和351二进制响应雷达回报,要么坏(“b”)或好(‘g’)。

负载电离层

使用预测训练GAMX和类标签Y。推荐的做法是指定类名。指定包含10个最重要的互动。

Mdl = fitcgam (X, Y,“类名”,{“b”,‘g’},“互动”10);

Mdl是一个ClassificationGAM模型对象。

创建本地影响情节的10日观察。使用线性和交互方面Mdl第一个情节,只使用线性条款Mdl第二个情节。排除交互条件,指定“IncludeInteractions”,假的。

t = tiledlayout (2, 1);标题(t)当地10日观测影响情节的(Mdl) nexttile plotLocalEffects X(10,:))标题(与线性GAM和交互方面的(Mdl) nexttile plotLocalEffects X (10:)“IncludeInteractions”、假)标题(“GAM只有线性条件”)

情节显示10个最重要的方面。两块包括9个常用术语和一个不常见的词。第一个情节包括术语的交互x1和x5,而第二个情节包含线性项x14英寸。

火车的单变量GAM回归,其中包含线性项预测。然后,解释预测通过使用指定的数据实例plotLocalEffects函数。

加载数据集NYCHousing2015。

负载NYCHousing2015

数据集包括10变量信息属性的销售在2015年在纽约。这个示例使用这些变量分析销售价格(SALEPRICE)。

预处理的数据集。删除离群值,转换datetime阵列(SALEDATE)本月数据,并将响应变量(SALEPRICE最后一列。

idx = isoutlier (NYCHousing2015.SALEPRICE);NYCHousing2015 (idx:) = [];NYCHousing2015。SALEDATE=month(NYCHousing2015.SALEDATE); NYCHousing2015 = movevars(NYCHousing2015,“SALEPRICE”,“后”,“SALEDATE”);

显示表的前三行。

头(NYCHousing2015, 3)

ans =表3×10区附近BUILDINGCLASSCATEGORY RESIDENTIALUNITS COMMERCIALUNITS LANDSQUAREFEET GROSSSQUAREFEET YEARBUILT SALEDATE SALEPRICE _________ _______ ____________________________ ___________ ________售予____ ____售予* * * 2 {‘BATHGATE}{01一个家庭住宅的}1 0 4750 2619 1899 8 0 2 {‘BATHGATE}{01一个家庭住宅的}1 0 4750 2619 1899 8 0 2 {‘BATHGATE}{01一个家庭住宅的}1 1 1287 2528 1899 12 0

火车的单变量GAM销售价格。指定的变量区,社区,BUILDINGCLASSCATEGORY,SALEDATE分类预测。

Mdl = fitrgam (NYCHousing2015,“SALEPRICE”,“CategoricalPredictors”(1 2 3 9));

Mdl是一个RegressionGAM模型对象。

显示估计拦截(常数)的Mdl。

Mdl.Intercept

ans = 3.7518 e + 05

截距项值是接近平均响应变量的回归GAM训练数据不包括南值。计算平均的响应变量。

意思是(NYCHousing2015.SALEPRICE)

ans = 3.7518 e + 05

预测销售价格第一对训练数据的观察和情节当地条件的影响Mdl在预测。指定“IncludeIntercept”,真的包括截距项的阴谋。

yFit =预测(Mdl NYCHousing2015 (1,:))

yFit = 4.4421 e + 05

plotLocalEffects (Mdl NYCHousing2015 (1:)“IncludeIntercept”,真正的)

的预测函数预测第一次观察到的销售价格4.4421 e5。的plotLocalEffects函数创建一个水平条形图显示当地条件的影响Mdl在预测。每个局部效应值显示每一项的贡献预测销售价格。