训练一个单变量广义加性分类模型，该模型包含预测器的线性项。使用内存高效模型对象对一个新的观察进行分类。然后，使用。解释指定数据实例的预测plotlocaleffects.功能。

加载电离层数据集。此数据集具有34个预测器和351个雷达返回的二进制响应，无论是坏的吗（'B')或好(‘g’）.

加载电离层

培训一个单变的游戏，标识雷达返回是否坏（'B')或好(‘g’）.

Mdl = fitcgam (X, Y);

Mdl是A.ClassificationGAM模型对象。

通过减少训练模型的大小来节省内存。

cmdl = compact（mdl）;

对第一次观察到的训练数据进行分类，并绘制出其中各项的局部效应Mdl关于预测。

标签=预测(CMdl X (1,:))

标签=1 x1单元阵列{' g '}

plotlocaleffects（cmdl，x（1，:)）

当预测函数对第一个观测进行分类X (1:)as.‘g’．当plotlocaleffects.函数创建一个水平条形图，显示了10个最重要的预测术语的局部效果。每个本地效果值都显示了每个术语对分类分数的贡献‘g’，这是分类的后验概率的logit‘g’的观察。

用线性分类训练GAM，并为预测器的线性和交互术语进行二进制分类。使用模型中的线性和交互术语创建本地效果图，然后使用模型中仅使用线性术语创建绘图。指定是否在创建本地效果绘图时包含交互术语。

加载电离层数据集。此数据集具有34个预测器和351个雷达返回的二进制响应，无论是坏的吗（'B')或好(‘g’）.

加载电离层

使用预测器训练游戏X.和班级标签y．推荐的做法是指定类名。指定包含10个最重要的交互条款。

Mdl = fitcgam (X, Y,'classnames'，{'B'那‘g’}，'互动'10);

Mdl是A.ClassificationGAM模型对象。

为第10个观察创建本地效果图。使用线性和交互术语Mdl对于第一个图，只使用线性项Mdl第二个情节。要排除交互项，请指定'internalidantaction'，false．

t = tiledlayout（2,1）;标题（T，'第10个观察的局部效果情节') nexttile plotLocalEffects(Mdl,X(10，:))) title(带有线性和交互项的GAM）NextDile plotlocaleffects（mdl，x（10，:)，“IncludeInteractions”、假)标题(“只有线性项的GAM”）

图中显示了10个最重要的术语。两幅图都包含了9个常用术语和1个不常用术语。第一个图包含了交互项X1和X5，而第二幅图包含了线性术语X14．

为回归培训一个单变量的游戏，其中包含预测器的线性术语。然后，使用。解释指定数据实例的预测plotlocaleffects.功能。

加载数据集NYCHousing2015．

加载NYCHousing2015

数据集包括10个变量，其中包括2015年纽约市销售的信息。此示例使用这些变量来分析销售价格（aleprice.）.

预处理数据集。删除异常值，转换datetime阵列（盐盐)改为月份数字，并移动响应变量(aleprice.)到最后一栏。

idx = isoutlier (NYCHousing2015.SALEPRICE);NYCHousing2015 (idx:) = [];NYCHousing2015。盐盐=month(NYCHousing2015.SALEDATE); NYCHousing2015 = movevars(NYCHousing2015,'aleprice'那“后”那“SALEDATE”）；

显示表的前三行。

头（Nychousing2015,3）

ans =表3×10Borough邻里大厦Classcategory ResidentialUnits PumertureUnits LandsquareFeet Grossquarefeet _______ _____________________________________________________________________________________________________________________________________________________________________________________一个家庭住所'} 1 0 4750 2619 1899 8 0 2 {'antakgate'} {01一个家庭住宅'} 1 1 1287 2528 1899 12 0

培训一个单变量的GAM进行销售价格。指定变量自治市镇那邻里那建筑classcategory.,盐盐分类预测。

MDL = FITRGAM（核石训练2015年，'aleprice'那'pationoricalpricictors'，[1 2 3 9]);

Mdl是A.RegressionGAM模型对象。

显示的估计截距(常数)项Mdl．

mdl.intercept.

ans = 3.7518 e + 05

如果训练数据不包含，截距项值接近回归GAM中响应变量的平均值南价值观。计算响应变量的平均值。

意思（Nychousing2015.saleprice）

ans = 3.7518 e + 05

预测第一次观察到的训练数据的销售价格，并绘制中各项的局部效果Mdl关于预测。指定“IncludeIntercept”,真的在图中包含截距术语。

yFit =预测(Mdl NYCHousing2015 (1,:))

yFit = 4.4421 e + 05

plotLocalEffects (Mdl NYCHousing2015 (1:)'incormentIntercept'，真实）

当预测功能预测第一次观察的销售价格4.4421E5．当plotlocaleffects.函数创建一个水平条形图，显示术语的本地效果Mdl关于预测。每个本地效应值都显示了每个术语对预测销售价格的贡献。