广义加性模型

由一元和二元形状函数组成的可解释回归模型

使用fitrgam拟合回归的广义可加模型。

广义可加模型(GAM)是一种可解释模型，它利用预测器的单变量和双变量形状函数的和来解释响应变量。fitrgam使用增强树作为每个预测器和(可选)每对预测器的形状函数;因此，该函数可以捕捉预测器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)的贡献被很好地分离，模型很容易解释。

对象

`addInteractions`	向单变量广义可加模型(GAM)添加相互作用项
`的简历`	广义可加模型(GAM)的恢复训练

`预测`	使用广义可加模型(GAM)预测响应
`损失`	广义可加模型的回归损失

`resubPredict`	使用训练回归模型预测训练数据的反应
`resubLoss`	Resubstitution回归损失

训练具有最优参数的广义可加性模型(GAM)，评估预测性能，并解释训练模型。

下载电子书