主要内容
可解释性
训练可解释回归模型，解释复杂回归模型
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．
功能
对象
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 |
主题
模型的解释
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。
可说明的模型
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。
你也可以从以下列表中选择一个网站:
