このペ,ジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
解釈可能性
解釈可能な分類モデルの学習と複雑な分類モデルの解釈
線形モデル,決定木,一般化加法モデルなどの本質的に解釈可能な分類モデルを使用するか,解釈可能性機能を使用して,本質的に解釈可能でない複雑な分類モデルを解釈します。
分類モデルを解釈する方法にいては,機械学習モデルの解釈を参照してください。
関数
オブジェクト
ClassificationGAM |
バ电子邮箱ナリ分類用の一般化加法モデル(gam) |
ClassificationLinear |
高次元デタのバナリ分類用の線形モデル |
ClassificationTree |
マルチクラス分類用の二分決定木 |
トピック
モデルの解釈
- 機械学習モデルの解釈
石灰
、沙普利
およびplotPartialDependence
を使用してモデル予測を説明する。 - 機械学習モデルのシャプレ値
kernelSHAPとkernelSHAPの拡張機能の2つのアルゴリズムを使用して,機械学習モデルのシャープレイ値を計算する。 - 特徴選択の紹介
特徴選択アルゴリズムにいて学び,特徴選択に使用できる関数を確認します。
解釈可能なモデル
- バ@ @ナリ分類用の一般化加法モデルの学習
最適なパラメーターで一般化加法モデル(GAM)に学習させて,予測性能を評価し,学習済みモデルを解釈する。 - 分類学習器アプリを使用した決定木の学習
分類木を作成および比較し,新しいデタにいて予測を行うため学習済みモデルをエクスポトします。 - 最近傍点を使用した分類
さまざまな距離計量を使用して,学習デ,タセット内の点への距離に基づいてデ,タ点を分類します。