Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

일반화 가산 모델

이진 분류를 위해 일변량과 이변량 형태 함수로 구성된 해석 가능한 모델

이진 분류를 위한 일반화 가산 모델을 피팅하기 위해fitcgam을 사용합니다.

일반화된 가산 모델(GAM)은 해석 가능한 모델로, 예측 변수의 일변량과 이변량 형태 함수의 합을 사용하여 클래스 점수(클래스 확률의 로짓)를 설명합니다.fitcgam은 각 예측 변수와 예측 변수의 각 쌍(선택사항)에 대해 형태 함수로 부스팅 트리를 사용하므로 함수는 예측 변수와 응답 변수 사이의 비선형 관계를 캡처할 수 있습니다. 예측 변수에 대한 개별 형태 함수의 기여(분류 점수)가 잘 분리되어 있으므로 모델을 쉽게 해석할 수 있습니다.

객체

ClassificationGAM Generalized additive model (GAM) for binary classification
CompactClassificationGAM Compact generalized additive model (GAM) for binary classification
ClassificationPartitionedGAM Cross-validated generalized additive model (GAM) for classification

함수

모두 확장

fitcgam Fit generalized additive model (GAM) for binary classification
compact Reduce size of machine learning model
crossval Cross-validate machine learning model
addInteractions Add interaction terms to univariate generalized additive model (GAM)
resume Resume training of generalized additive model (GAM)
lime Local interpretable model-agnostic explanations (LIME)
partialDependence Compute partial dependence
plotLocalEffects Plot local effects of terms in generalized additive model (GAM)
plotPartialDependence Create partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapley Shapley values
predict Classify observations using generalized additive model (GAM)
loss Classification loss for generalized additive model (GAM)
margin Classification margins for generalized additive model (GAM)
edge Classification edge for generalized additive model (GAM)
resubPredict Classify training data using trained classifier
resubLoss Resubstitution classification loss
resubMargin Resubstitution classification margin
resubEdge Resubstitution classification edge
kfoldPredict Classify observations in cross-validated classification model
kfoldLoss Classification loss for cross-validated classification model
kfoldMargin Classification margins for cross-validated classification model
kfoldEdge Classification edge for cross-validated classification model
kfoldfun Cross-validate function for classification
compareHoldout Compare accuracies of two classification models using new data
testckfold Compare accuracies of two classification models by repeated cross-validation

도움말 항목