도움말센터 도움말센터

해석가능성

해석가능한분류모델을훈련시키고복잡한분류모델을해석하기

선형모델,결정트리,일반화된가산모델처럼본질적으로해석가능한분류모델을사용하거나아니면해석가능성특징을사용하여원래해석이불가능한복잡한분류모델을해석합니다。

분류모델을해석하는방법을알아보려면解释机器学习模型항목을참조하십시오。

함수

훈련된모델해석하기

局部可解释模型不可知解释

`石灰`	局部可解释模型不可知解释(LIME)
`适合`	局部可解释模型不可知解释(LIME)拟合简单模型
`情节`	局部可解释模型不可知解释(LIME)的图结果

섀플리 값

`沙普利`	沙普利值
`适合`	计算查询点的Shapley值
`情节`	Plot Shapley价值观

부분종속성

`partialDependence`	计算部分依赖关系
`plotPartialDependence`	创建部分依赖图(PDP)和个别条件期望图(ICE)

해석가능한모델훈련시키기

`fitcgam`	拟合广义可加性模型(GAM)进行二元分类
`fitclinear`	用二元线性分类器拟合高维数据
`fitctree`	다중클래스분류를위한이진결정트리피팅

객체

`ClassificationGAM`	二元分类的广义可加性模型(GAM)
`ClassificationLinear`	高维数据二元分类的线性模型
`ClassificationTree`	用于多类分类的二叉决策树

도움말항목

모델 해석

解释机器学习模型
解释模型预测石灰而且沙普利对象和plotPartialDependence函数。
机器学习模型的Shapley值
使用两种算法计算机器学习模型的Shapley值:kernelSHAP和kernelSHAP的扩展。
特征选择简介
了解特征选择算法，并探索可用于特征选择的功能。
解释分类学习者应用程序训练的分类器
通过使用部分依赖图确定特征如何在训练好的分类器中使用。

해석가능한모델

训练二元分类的广义加性模型
训练一个具有最优参数的广义可加性模型(GAM)，评估预测性能，并解释训练的模型。
使用分类学习应用程序训练决策树
创建和比较分类树，并导出训练过的模型，以对新数据进行预测。
최근접이웃을사용한분류
다양한거리측정법을사용하여훈련데이터세트에포함된점까지의거리를기준으로데이터점을분류합니다。

관련 정보