广义加性模型
可说明的模型由单变量和二元函数形状二进制分类
使用fitcgam
为二进制分类符合广义加性模型。
广义相加模型(GAM)是一种可说明的模型来解释类分数(分对数类概率)使用一笔单变量和二元函数的预测因子。fitcgam
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(分类评分)分离,模型很容易解释。
对象
ClassificationGAM |
广义相加模型(GAM)二进制分类 |
CompactClassificationGAM |
紧凑的广义相加模型(GAM)二进制分类 |
ClassificationPartitionedGAM |
旨在广义相加模型(GAM)分类 |
功能
更新联欢
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) |
解释预测
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 |
训练数据的评估预测性能
resubPredict |
使用训练数据训练分类器进行分类 |
resubLoss |
Resubstitution分类损失 |
resubMargin |
Resubstitution分类保证金 |
resubEdge |
Resubstitution分类边缘 |
在旨在评估预测性能数据
kfoldPredict |
观察在旨在分类模型进行分类 |
kfoldLoss |
分类损失旨在分类模型 |
kfoldMargin |
分类利润率旨在分类模型 |
kfoldEdge |
分类旨在分类模型的边缘 |
kfoldfun |
旨在功能分类 |
比较精度
compareHoldout |
比较两种分类模型使用新数据的精度 |
testckfold |
比较两种分类模型的精度重复交叉验证 |
主题
- 为二进制分类培训广义加性模型
火车一个广义相加模型(GAM)最优参数,评估预测性能,并解释培训模型。
对MATLAB
你们有派对在联合国留置权,对应这个对MATLAB:
倒实行la对saisissez-la在fenetre德对MATLAB。Les navigateurs web不sup金宝appportent Les MATLAB命令。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。