일반화가산모델

회귀를위해일변량과이변량형태함수로구성된해석가능한모델

회귀용일반화가산모델을피팅하기위해fitrgam을사용합니다。

일반화된가산모델(GAM)은해석가능한모델로,예측변수의일변량과이변량형태함수의합을사용하여응답변수를설명합니다。fitrgam은각예측변수및예측변수의각쌍(선택사항)에대해형태함수로부스팅트리를사용하므로함수는예측변수와응답변수사이의비선형관계를캡처할수있습니다。예측변수에대한개별형태함수의기여(응답변수값)가잘분리되어있으므로모델을쉽게해석할수있습니다。

객체

`RegressionGAM`	回归的广义可加模型(GAM)
`CompactRegressionGAM`	用于回归的紧致广义可加模型
`RegressionPartitionedGAM`	交叉验证的广义可加模型(GAM)用于回归

함수

모두확장

GAM객체만들기

`fitrgam`	拟合广义可加模型(GAM)进行回归
`紧凑的`	减少机器学习模型的规模
`crossval`	交叉验证机器学习模型

GAM업데이트하기

`addInteractions`	向单变量广义可加模型(GAM)添加相互作用项
`的简历`	广义可加模型(GAM)的恢复训练

예측해석하기

`石灰`	局部可解释的模型不可知解释(LIME)
`partialDependence`	计算部分依赖
`plotLocalEffects`	绘制广义可加模型(GAM)中项的局部效应
`plotPartialDependence`	创建部分依赖图(PDP)和个人条件期望图(ICE)
`沙普利`	沙普利值

새관측값의예측성능평가하기

`预测`	使用广义可加模型(GAM)预测响应
`损失`	广义可加模型的回归损失

훈련데이터의예측성능평가하기

`resubPredict`	使用训练回归模型预测训练数据的反应
`resubLoss`	Resubstitution回归损失

유효성검사를마친데이터의예측성능평가하기

`kfoldPredict`	在交叉验证的回归模型中预测观察的反应
`kfoldLoss`	交叉验证的分割回归模型的损失
`kfoldfun`	交叉验证功能的回归