创建部分依赖图(PDP)和个人条件期望图(ICE)
绘图竞争依赖性
用A.预测
功能预测响应或分数。绘图竞争依赖性
选择适当的预测
根据函数Mdl
和跑步预测
有其默认设置。有关每个人的详细信息预测
函数,见预测
以下两个表中的功能。如果Mdl
是一种基于树的模型(不包括树木的升级的集成)和“条件”
是'没有任何'
,然后绘图竞争依赖性
使用加权遍历算法而不是预测
函数。有关详细信息,请参见加权遍历算法.
回归模型对象
模型类型 | 完整或紧凑的回归模型对象 | 预测响应的功能 |
---|---|---|
决策树集成的Bootstrap聚合 | CompactTreeBagger. |
预测 |
决策树集成的Bootstrap聚合 | TreeBagger |
预测 |
回归模型集成 | RegressionEnsemble 那回归释迦缩短 那CompactRegressionEnsemble |
预测 |
高斯内核回归模型使用随机特征扩展 | 回归科内尔 |
预测 |
高斯过程回归 | 回归方程 那CompactregressionGP. |
预测 |
广义线性混合效应模型 | GeneralizeLmixedModel. |
预测 |
广义线性模型 | GeneralizedLinearModel 那紧致广义线性模型 |
预测 |
线性混合效应模型 | linearmixedmodel. |
预测 |
线性回归 | linearmodel. 那紧凑线性模型 |
预测 |
线性回归用于高维数据 | 回归线性 |
预测 |
非线性回归 | NonLinearModel |
预测 |
回归树 | 回归树 那Compactregressiontree. |
预测 |
万博1manbetx支持向量机回归 | 回归vm. 那压缩回归 |
预测 |
分类模型对象
模型类型 | 完整或紧凑分类模型对象 | 预测标签和分数的功能 |
---|---|---|
判别分析分类器 | 分类Discriminant. 那CompactClassificationDiscriminant. |
预测 |
支持向量机或其他分类器的多类模型万博1manbetx | ClassificationECOC 那CompactClassificationECOC |
预测 |
学习者的集体融合 | 分类符号 那压缩分类插入码 那分类BaggedAssemble |
预测 |
高斯核分类模型使用随机特征展开 | 分类核 |
预测 |
K.最近的邻居分类器 | ClassificationKnn. |
预测 |
线性分类模型 | 分类线性 |
预测 |
多类朴素贝叶斯模型 | 分类朴素贝叶斯 那CompactClassificationNaiveBayes |
预测 |
万博1manbetx支持向量机器分类器进行单级和二进制分类 | 分类VM. 那CompactClassificationSVM |
预测 |
用于多类分类的二叉决策树 | 分类树 那CompactClassificationTree. |
预测 |
袋装决策树的合奏 | TreeBagger 那CompactTreeBagger. |
预测 |
部分竞争
计算不可视化的部分依赖性。该函数可以在一次函数调用中计算两个变量和多个类的部分依赖关系。
[2] Goldstein,Alex,Adam Kapelner,Justin Bleich和Emil Pitkin。“偷看黑匣子里面:用个人有条件期望的情节可视化统计学习。”中国计算与图形统计学报24日,没有。1(2015年1月2日):44-65。
[3] Hastie,Trevor,Robert Tibshirani和Jerome Friedman。统计学习的要素。纽约,纽约:施普林格纽约,2001。