创建部分依赖图(PDP)和个人条件期望图(ICE)
plotPartialDependence(
计算和绘制中列出的预测变量之间的部分依赖关系RegressionMdl
那vars.
)vars.
以及用回归模型预测的响应RegressionMdl
,其中包含预测数据。
如果在中指定一个变量vars.
,该函数创建对变量的部分依赖的线曲线。
如果你指定两个变量vars.
,该函数将创建与两个变量部分相关的曲面图。
plotPartialDependence(
计算和绘制中列出的预测变量之间的部分依赖关系classificationmdl.
那vars.
那标签
)vars.
以及在标签
通过使用分类模型classificationmdl.
,其中包含预测数据。
如果在中指定一个变量vars.
和一个课程标签
,该函数创建针对指定类的变量的部分依赖的线图。
如果在中指定一个变量vars.
和多个课程标签
,函数在一个图形上为每个类创建一个线图。
如果你指定两个变量vars.
和一个课程标签
,该函数将创建与两个变量部分相关的曲面图。
绘图竞争依赖性
用A.预测
用于预测响应或分数的函数。绘图竞争依赖性
选择适当的预测
根据模型运行(RegressionMdl
或classificationmdl.
)和运行预测
使用默认设置。详细资料预测
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“条件”
是'没有任何'
,然后绘图竞争依赖性
使用加权遍历算法而不是预测
函数。有关详细信息,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 | 预测响应的功能 |
---|---|---|
决策树集成的自举聚合 | CompactTreeBagger. |
预测 |
决策树集成的自举聚合 | TreeBagger |
预测 |
回归模型的集合 | RegressionEnsemble 那回归分析 那CompactRegressionEnsemble |
预测 |
高斯核回归模型采用随机特征展开 | 回归科内尔 |
预测 |
高斯过程回归 | regressiongp. 那CompactregressionGP. |
预测 |
广义加性模型 | 回归 那compactregressiongam. |
预测 |
广义线性混合效应模型 | GeneralizeLmixedModel. |
预测 |
广义线性模型 | GeneralizedLinearModel 那Compact一项式标Model. |
预测 |
线性混合效应模型 | 线性矩阵模型 |
预测 |
线性回归 | LinearModel 那CompactLinearModel |
预测 |
线性回归用于高维数据 | 回归线性 |
预测 |
神经网络回归模型 | RegressionNeuralNetwork 那compactregressionneuralnetwork |
预测 |
非线性回归 | NonLinearModel |
预测 |
回归树 | 回归植物 那紧回归树 |
预测 |
金宝app支持向量机 | RegressionSVM 那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 | 分类Discriminant. 那紧分类判别式 |
预测 |
支持向量机或其他分类器的多款模型金宝app | ClassificationECOC 那CompactClassificationECOC |
预测 |
用于分类的学习者集合 | 分类素.. 那CompactClassificationseMble 那ClassificationBaggedensemble. |
预测 |
高斯核分类模型使用随机特征展开 | ClassificationKernel |
预测 |
广义加性模型 | ClassificationGAM 那CompactClassificationgam. |
预测 |
K.最近的邻居模型 | ClassificationKnn. |
预测 |
线性分类模型 | 分类线性 |
预测 |
天真的贝叶斯模型 | ClassificationNaiveBayes 那CompactClassificationNaiveBayes |
预测 |
神经网络分类器 | ClassificationNeuralNetwork 那CompactClassificationNeuralNetwork |
预测 |
金宝app支持向量机用于单级和二进制分类 | ClassificationSVM 那CompactClassificationsVM. |
预测 |
多包分类的二进制决策树 | ClassificationTree. 那紧分类树 |
预测 |
决策树的袋装集合 | TreeBagger 那CompactTreeBagger. |
预测 |
部分竞争
计算不可视化的部分依赖性。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。
[3] Hastie,Trevor,Robert Tibshirani和Jerome Friedman。统计学习的要素。纽约,纽约:施普林格纽约,2001。