主要内容

广义加性模型

可说明的模型由单变量和二元形状函数回归

使用fitrgam适合的广义相加模型回归。

广义相加模型(GAM)是一种可说明的模型,解释了使用单变量和响应变量二维形状预测功能。fitrgam使用了树作为形状函数为每个预测,可选地,每一对预测;因此,函数可以捕获一个预测和响应变量之间的非线性关系。因为贡献个人的形状函数来预测(响应值)分离,模型很容易解释。

对象

RegressionGAM 广义相加模型(GAM)回归
CompactRegressionGAM 紧凑的广义相加模型(GAM)回归
RegressionPartitionedGAM 旨在广义相加模型(GAM)回归

功能

全部展开

fitrgam 符合广义相加模型(GAM)回归
紧凑的 减少机器学习模型的大小
crossval 旨在机器学习模型
addInteractions 添加交互条款单变量广义相加模型(GAM)
的简历 恢复训练的广义相加模型(GAM)
石灰 本地可model-agnostic解释(石灰)
partialDependence 计算部分依赖
plotLocalEffects 情节当地的影响计算广义相加模型(GAM)
plotPartialDependence 创建部分依赖图(PDP)和个人条件期望(ICE)情节
沙普利 沙普利值
预测 预测反应使用广义相加模型(GAM)
损失 回归损失广义相加模型(GAM)
resubPredict 使用训练有素的回归模型预测反应的训练数据
resubLoss Resubstitution回归损失
kfoldPredict 预测反应的观察旨在回归模型
kfoldLoss 损失旨在分区回归模型
kfoldfun 旨在为回归函数

主题