Main Content

このペー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。

一般化加法モデル

バイナリ分類用の一変量および二変量形状関数から構成される解釈可能なモデル

fitcgamを使用して、バイナリ分類用の一般化加法モデルをあてはめます。

一般化加法モデル (GAM) は、予測子の一変量および二変量形状関数の和を使用してクラス スコア (クラス確率のロジット) を説明する解釈可能なモデルです。fitcgamでは、各予測子および必要に応じて予測子の各ペアの形状関数としてブースティング木を使用するため、予測子と応答変数の間の非線形関係を取得できます。予測 (分類スコア) に対する個々の形状関数の寄与が十分に分離されるため、このモデルは解釈が容易です。

オブジェクト

ClassificationGAM バイナリ分類用の一般化加法モデル (GAM)
CompactClassificationGAM バイナリ分類用のコンパクトな一般化加法モデル (GAM)
ClassificationPartitionedGAM 分類用の交差検証済みの一般化加法モデル (GAM)

関数

すべて展開する

fitcgam バイナリ分類用の一般化加法モデル (GAM) の当てはめ
compact 機械学習モデルのサイズの縮小
crossval 機械学習モデルの交差検証
addInteractions 一変量の一般化加法モデル (GAM) への交互作用項の追加
resume 一般化加法モデル (GAM) の学習の再開
lime Local Interpretable Model-agnostic Explanations (LIME)
partialDependence 部分従属の計算
plotLocalEffects 一般化加法モデル (GAM) 内の項の局所的効果のプロット
plotPartialDependence 部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
shapley シャープレイ値
predict 一般化加法モデル (GAM) を使用した観測値の分類
loss 一般化加法モデル (GAM) の分類損失
margin 一般化加法モデル (GAM) の分類マージン
edge 一般化加法モデル (GAM) の分類エッジ
resubPredict 学習済み分類器を使用した学習データの分類
resubLoss 再代入分類損失
resubMargin 再代入分類マージン
resubEdge 再代入分類エッジ
kfoldPredict 交差検証済み分類モデルの観測値の分類
kfoldLoss 交差検証済み分類モデルの分類損失
kfoldMargin 交差検証済み分類モデルの分類マージン
kfoldEdge 交差検証済み分類モデルの分類エッジ
kfoldfun 分類での関数の交差検証
compareHoldout 新しいデータを使用して2つの分類モデルの精度を比較
testckfold 交差検証の反復により 2 つの分類モデルの精度を比較

トピック