La traducción de esta página aún没有se ha actualizado a La versión más reciente。Haga clic aquí para ver la última versión en inglés。

Modelo aditivo generalizado

模态可解释计算单变量和双变量形式函数regresión

UtilicefitrgamPara ajustar UN modelo aditivo generalizado Para regresión。

一个广义的模型(MAG)，一个可解释的模型，一个中间变量的解释，一个形式上的单一变量和双变量预测。fitrgam实用UN árbol潜在能力función公式公式预测器y，公式可选，公式公式预测器;Por tanto, la función puede obtener una relación没有线性中心UN预测器y la变量de respuesta。为工作和生活做出贡献的方式predicción(尊重的勇气)están分离的过程，建模的方式fácil解释的过程。

Objetos

`RegressionGAM`	广义可加性回归模型(GAM)
`CompactRegressionGAM`	回归的紧凑广义加性模型(GAM)
`RegressionPartitionedGAM`	交叉验证广义可加性回归模型(GAM)

一些必要

expandir待办事项

Crear un object MAG

`fitrgam`	拟合广义加性模型(GAM)进行回归
`紧凑的`	减小机器学习模型的尺寸
`crossval`	交叉验证机器学习模型

实现un MAG

`addInteractions`	在单变量广义可加性模型(GAM)中添加交互项
`重新开始`	广义加法模型(GAM)简历训练

解释una predicción

`石灰`	局部可解释模型不可知解释(LIME)
`partialDependence`	计算部分依赖关系
`plotLocalEffects`	广义可加性模型(GAM)中项的局部效应图
`plotPartialDependence`	创建部分依赖图(PDP)和个别条件期望图(ICE)
`沙普利`	沙普利值

评估新观察的预测能力

`预测`	使用广义加法模型(GAM)预测响应
`损失`	广义加性模型(GAM)的回归损失

评估未来的能力和权利

`resubPredict`	使用训练回归模型预测训练数据的响应
`resubLoss`	再置换回归损失

评估我们的预测能力和数据validación cruzada

`kfoldPredict`	在交叉验证回归模型中预测观察结果的响应
`kfoldLoss`	交叉验证分区回归模型的损失
`kfoldfun`	回归的交叉验证函数

特马

训练广义加性回归模型
训练一个具有最优参数的广义可加性模型(GAM)，评估预测性能，并解释训练的模型。