主要内容
广义加性模型
可说明的模型由单变量和二元函数形状二进制分类
使用fitcgam为二进制分类符合广义加性模型。
广义相加模型(GAM)是一种可说明的模型来解释类分数(分对数类概率)使用一笔单变量和二元函数的预测因子。fitcgam使用了树作为形状函数为每个预测,可选地,每一对预测;因此,函数可以捕获一个预测和响应变量之间的非线性关系。因为贡献个人的形状函数来预测(分类评分)分离,模型很容易解释。
对象
ClassificationGAM |
广义相加模型(GAM)二进制分类 |
CompactClassificationGAM |
紧凑的广义相加模型(GAM)二进制分类 |
ClassificationPartitionedGAM |
旨在广义相加模型(GAM)分类 |
功能
主题
火车一个广义相加模型(GAM)最优参数,评估预测性能,并解释培训模型。
