广义添加剂模型
可解释的模型由单变量和双变量形状函数组成
采用Fitrgam
符合通用的添加剂模型以进行回归。
广义加性模型(GAM)是一个可解释的模型,它使用预测变量的单变量和双变量形状函数来解释响应变量。Fitrgam
使用增压树作为每个预测变量的形状函数,并且可以选择每对预测变量;因此,该函数可以捕获预测变量和响应变量之间的非线性关系。由于单个形状函数对预测(响应值)的贡献很好,因此模型易于解释。
对象
回归剂 |
回归的广义添加剂模型(GAM) |
Compactregressiongam |
紧凑的广泛添加剂模型(GAM)用于回归 |
回归专业 |
回归的交叉验证广义添加剂模型(GAM) |
职能
话题
- 火车通用的添加剂模型用于回归
训练具有最佳参数的广义添加剂模型(GAM),评估预测性能并解释训练有素的模型。