plotPartialDependence
创建部分依赖图(PDP)和个别条件期望图(ICE)
语法
描述
plotPartialDependence (
计算并绘制中所列预测变量之间的部分依赖关系RegressionMdl
,var
)var
并利用回归模型预测反应RegressionMdl
,其中包含预测器数据。
如果你指定一个变量
var
时,该函数创建了一个关于变量的偏依赖关系的折线图。如果你指定两个变量
var
时,该函数创建了对两个变量的偏依赖关系的曲面图。
plotPartialDependence (
计算并绘制中所列预测变量之间的部分依赖关系ClassificationMdl
,var
,标签
)var
和指定课程的分数标签
利用分类模型ClassificationMdl
,其中包含预测器数据。
如果你指定一个变量
var
中每个类对变量的偏依赖关系的折线图标签
.如果你指定两个变量
var
时,该函数创建了对两个变量的偏依赖关系的曲面图。中必须指定一个类标签
.
plotPartialDependence (
计算并绘制中所列预测变量之间的部分依赖关系有趣的
,var
,数据
)var
和自定义模型返回的输出有趣的
,使用预测器数据数据
.
如果你指定一个变量
var
,函数为返回的输出的每一列创建对变量的偏依赖关系的折线图有趣的
.如果你指定两个变量
var
时,该函数创建了对两个变量的偏依赖关系的曲面图。当你指定两个变量时,有趣的
必须返回列向量,或者必须通过设置OutputColumns
名称-值参数。
例子
输入参数
输出参数
更多关于
算法
对于回归模型(RegressionMdl
)和分类模型(ClassificationMdl
),plotPartialDependence
使用一个预测
函数来预测反应或分数。plotPartialDependence
选择合适的预测
根据模型函数并运行预测
使用默认设置。详情请参阅预测
函数,请参见预测
函数。如果指定的模型是基于树的模型(不包括增强的树集合)和有条件的
是“没有”
,然后plotPartialDependence
使用加权遍历算法代替预测
函数。详细信息请参见加权遍历算法.
回归模型对象
模型类型 | 完整或紧凑回归模型对象 | 预测反应的功能 |
---|---|---|
用于决策树集成的引导聚合 | CompactTreeBagger |
预测 |
用于决策树集成的引导聚合 | TreeBagger |
预测 |
回归模型的集合 | RegressionEnsemble ,RegressionBaggedEnsemble ,CompactRegressionEnsemble |
预测 |
采用随机特征展开的高斯核回归模型 | RegressionKernel |
预测 |
高斯过程回归 | RegressionGP ,CompactRegressionGP |
预测 |
广义加性模型 | RegressionGAM ,CompactRegressionGAM |
预测 |
广义线性混合效应模型 | GeneralizedLinearMixedModel |
预测 |
广义线性模型 | GeneralizedLinearModel ,CompactGeneralizedLinearModel |
预测 |
线性混合效应模型 | LinearMixedModel |
预测 |
线性回归 | LinearModel ,CompactLinearModel |
预测 |
高维数据的线性回归 | RegressionLinear |
预测 |
神经网络回归模型 | RegressionNeuralNetwork ,CompactRegressionNeuralNetwork |
预测 |
非线性回归 | NonLinearModel |
预测 |
回归树 | RegressionTree ,CompactRegressionTree |
预测 |
金宝app支持向量机 | RegressionSVM ,CompactRegressionSVM |
预测 |
分类模型对象
模型类型 | 完整或紧凑分类模型对象 | 预测标签和分数的功能 |
---|---|---|
判别分析分类器 | ClassificationDiscriminant ,CompactClassificationDiscriminant |
预测 |
支持向量机或其他分类器的多类模型金宝app | ClassificationECOC ,CompactClassificationECOC |
预测 |
分类的学习器集合 | ClassificationEnsemble ,CompactClassificationEnsemble ,ClassificationBaggedEnsemble |
预测 |
采用随机特征展开的高斯核分类模型 | ClassificationKernel |
预测 |
广义加性模型 | ClassificationGAM ,CompactClassificationGAM |
预测 |
k-最近邻模型 | ClassificationKNN |
预测 |
线性分类模型 | ClassificationLinear |
预测 |
朴素贝叶斯模型 | ClassificationNaiveBayes ,CompactClassificationNaiveBayes |
预测 |
神经网络分类器 | ClassificationNeuralNetwork ,CompactClassificationNeuralNetwork |
预测 |
金宝app支持向量机用于一类和二元分类 | ClassificationSVM ,CompactClassificationSVM |
预测 |
用于多类分类的二叉决策树 | ClassificationTree ,CompactClassificationTree |
预测 |
决策树的袋装集合 | TreeBagger ,CompactTreeBagger |
预测 |
选择功能
partialDependence
不用可视化计算部分依赖关系。该函数可以在一次函数调用中计算两个变量和多个类的部分依赖关系。
参考文献
哈斯蒂、特雷弗、罗伯特·蒂布谢拉尼和杰罗姆·弗里德曼。统计学习的要素。纽约2001年,纽约:施普林格。
扩展功能
版本历史
在R2017b中引入