Modello additivo generalizzato

Modello interpretabile composto da funzioni di forma univariate e bivariate per la regressione

Utilizzare fitrgam per adattare un modello additivo generalizzato per la regressione.

Un modello additivo generalizzato (GAM) è un modello interpretabile che spiega una variabile di risposta utilizzando una somma di funzioni di forma univariate e bivariate dei predittori. fitrgam utilizza un albero con boosting come funzione di forma per ciascun predittore e, opzionalmente, per ciascuna coppia di predittori; pertanto, la funzione è in grado di cogliere una relazione non lineare tra un predittore e la variabile di risposta. Poiché i contributi delle singole funzioni di forma alla previsione (valore di risposta) sono ben distinti, il modello è facile da interpretare.

Oggetti

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

Funzioni

espandi tutto

fitrgamFit generalized additive model (GAM) for regression
compactReduce size of machine learning model
crossvalCross-validate machine learning model
templateGAMGeneralized additive model (GAM) learner template (Da 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 (Da 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 (Da R2024b)
compactReduce size of multiresponse regression model (Da R2024b)
lossLoss for multiresponse regression model (Da R2024b)
predictPredict responses using multiresponse regression model (Da R2024b)

Argomenti