使用固有可解释的回归模型,例如线性模型、决策树和广义可加模型,或者使用可解释特性来解释固有不可解释的复杂回归模型。
要学习如何解释回归模型,请参阅解释机器学习模型.
LinearModel |
线性回归模型 |
RegressionGAM |
回归的广义可加模型(GAM) |
RegressionLinear |
高维数据的线性回归模型 |
RegressionTree |
回归树 |
用以下方法解释模型预测石灰
,沙普利
,plotPartialDependence
.
使用两种算法计算机器学习模型的Shapley值:kernelSHAP和对kernelSHAP的扩展。
了解特征选择算法并探索特征选择可用的功能。
使用。训练线性回归模型fitlm
分析内存中的数据和内存外的数据。
训练具有最优参数的广义可加性模型(GAM),评估预测性能,并解释训练模型。
创建和比较回归树,并导出训练过的模型来预测新数据。