Generalisiertes additives Modell

Auswertbares Modell aus univariaten und bivariaten Formfunktionen für die Regression

Verwenden Sie fitrgam, um ein generalisiertes additives Modell für die Regression anzupassen.

Ein generalisiertes additives Modell (GAM) ist ein auswertbares Modell, das eine Antwortvariable mithilfe einer Summe von univariaten und bivariaten Formfunktionen von Prädiktoren erklärt. fitrgam verwendet einen Boosted-Baum als Formfunktion für jeden Prädiktor und optional jedes Prädiktorpaar; dementsprechend kann die Funktion eine nichtlineare Beziehung zwischen Prädiktor und Antwortvariable erfassen. Da die Beiträge der individuellen Formfunktionen zur Vorhersage (Antwortwert) klar voneinander getrennt sind, lässt sich das Modell einfach auswerten.

Objekte

RegressionGAMGeneralized additive model (GAM) for regression
CompactRegressionGAMCompact generalized additive model (GAM) for regression
RegressionPartitionedGAMCross-validated generalized additive model (GAM) for regression
RegressionChainEnsembleMultiresponse regression model (Seit R2024b)
CompactRegressionChainEnsembleCompact multiresponse regression model (Seit R2024b)

Funktionen

alle erweitern

fitrgamFit generalized additive model (GAM) for regression
compactReduce size of machine learning model
crossvalCross-validate machine learning model
templateGAMGeneralized additive model (GAM) learner template (Seit R2023b)
addInteractionsAdd interaction terms to univariate generalized additive model (GAM)
resumeResume training of generalized additive model (GAM)
limeLocal interpretable model-agnostic explanations (LIME)
partialDependenceCompute partial dependence
permutationImportancePredictor importance by permutation (Seit R2024a)
plotLocalEffectsPlot local effects of terms in generalized additive model (GAM)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapleyShapley values
predictPredict responses using generalized additive model (GAM)
lossRegression loss for generalized additive model (GAM)
resubPredictPredict responses for training data using trained regression model
resubLossResubstitution regression loss
kfoldPredictPredict responses for observations in cross-validated regression model
kfoldLossLoss for cross-validated partitioned regression model
kfoldfunCross-validate function for regression
fitrchainsMultiresponse regression with regression chains (Seit R2024b)
compactReduce size of multiresponse regression model (Seit R2024b)
lossLoss for multiresponse regression model (Seit R2024b)
predictPredict responses using multiresponse regression model (Seit R2024b)

Themen