plotPartialDependence
创建部分依赖图(PDP)和个人条件期望(ICE)情节
语法
描述
plotPartialDependence (
计算和情节部分中列出的预测变量之间的依赖RegressionMdl
,var
)var
并使用回归模型预测的反应RegressionMdl
,其中包含预测数据。
如果您指定一个变量
var
的函数创建一条线情节部分依赖变量。如果指定两个变量
var
的函数创建一个曲面图部分依赖两个变量。
plotPartialDependence (
计算和情节部分中列出的预测变量之间的依赖ClassificationMdl
,var
,标签
)var
和分数中指定的类标签
通过使用分类模型ClassificationMdl
,其中包含预测数据。
如果您指定一个变量
var
的函数创建一条线情节部分依赖对每个类的变量标签
。如果指定两个变量
var
的函数创建一个曲面图部分依赖两个变量。您必须指定一个类标签
。
plotPartialDependence (
计算和情节部分中列出的预测变量之间的依赖有趣的
,var
,数据
)var
和返回的输出自定义模型有趣的
使用预测数据数据
。
如果您指定一个变量
var
的函数创建一条线情节部分依赖的变量为每个列返回的输出有趣的
。如果指定两个变量
var
的函数创建一个曲面图部分依赖两个变量。当你指定两个变量,有趣的
必须返回一个列向量或者你必须指定使用哪个输出列通过设置OutputColumns
名称-值参数。
例子
输入参数
输出参数
更多关于
算法
对回归模型(RegressionMdl
)和一个分类模型(ClassificationMdl
),plotPartialDependence
使用一个预测
函数来预测反应或分数。plotPartialDependence
选择适当的预测
根据模型和运行时功能预测
默认设置。对每个细节预测
功能,请参见预测
在接下来的两个表的功能。如果指定的模型是一个基于树模型(不包括提高合奏的树)有条件的
是“没有”
,然后plotPartialDependence
使用加权算法遍历而不是预测
函数。有关详细信息,请参见加权算法遍历。
回归模型对象
模型类型 | 全部或紧凑的回归模型对象 | 函数来预测反应 |
---|---|---|
引导聚合合奏的决策树 | CompactTreeBagger |
预测 |
引导聚合合奏的决策树 | TreeBagger |
预测 |
整体的回归模型 | RegressionEnsemble ,RegressionBaggedEnsemble ,CompactRegressionEnsemble |
预测 |
高斯核函数回归模型使用随机特性的扩张 | RegressionKernel |
预测 |
高斯过程回归 | RegressionGP ,CompactRegressionGP |
预测 |
广义加性模型 | RegressionGAM ,CompactRegressionGAM |
预测 |
广义线性混合效应模型 | GeneralizedLinearMixedModel |
预测 |
广义线性模型 | GeneralizedLinearModel ,CompactGeneralizedLinearModel |
预测 |
线性混合效应模型 | LinearMixedModel |
预测 |
线性回归 | LinearModel ,CompactLinearModel |
预测 |
对高维数据线性回归 | RegressionLinear |
预测 |
神经网络回归模型 | RegressionNeuralNetwork ,CompactRegressionNeuralNetwork |
预测 |
非线性回归 | NonLinearModel |
预测 |
回归树 | RegressionTree ,CompactRegressionTree |
预测 |
万博1manbetx支持向量机 | RegressionSVM ,CompactRegressionSVM |
预测 |
分类模型对象
模型类型 | 全部或紧凑的分类模型对象 | 函数来预测标签和分数 |
---|---|---|
判别分析分类器 | ClassificationDiscriminant ,CompactClassificationDiscriminant |
预测 |
多类支持向量机模型或其他分类器万博1manbetx | ClassificationECOC ,CompactClassificationECOC |
预测 |
系综分类的学习者 | ClassificationEnsemble ,CompactClassificationEnsemble ,ClassificationBaggedEnsemble |
预测 |
高斯核函数分类模型使用随机特性的扩张 | ClassificationKernel |
预测 |
广义加性模型 | ClassificationGAM ,CompactClassificationGAM |
预测 |
k最近的邻居模型 | ClassificationKNN |
预测 |
线性分类模型 | ClassificationLinear |
预测 |
朴素贝叶斯模型 | ClassificationNaiveBayes ,CompactClassificationNaiveBayes |
预测 |
神经网络分类器 | ClassificationNeuralNetwork ,CompactClassificationNeuralNetwork |
预测 |
万博1manbetx看到下面成了一和二分类支持向量机 | ClassificationSVM ,CompactClassificationSVM |
预测 |
二叉决策树的多类分类 | ClassificationTree ,CompactClassificationTree |
预测 |
袋装的决策树 | TreeBagger ,CompactTreeBagger |
预测 |
选择功能
partialDependence
没有可视化计算部分依赖。函数可以计算部分依赖两个变量和一个函数调用多个类。
引用
[3]Hastie,特雷弗,罗伯特•Tibshirani和杰罗姆·弗里德曼。统计学习的元素。纽约纽约,纽约州:施普林格,2001年。