plotPartialDependence
创建偏依赖图(PDP)和个体条件期望图(ICE)
语法
描述
plotPartialDependence (
计算并绘制中列出的预测变量之间的偏依赖关系RegressionMdl
,var
)var
并利用回归模型进行预测RegressionMdl
,其中包含预测数据。
如果指定一个变量
var
,该函数创建了对变量的偏依赖性的折线图。如果指定两个变量
var
,该函数创建了对两个变量的偏依赖性的曲面图。
plotPartialDependence (
计算并绘制中列出的预测变量之间的偏依赖关系ClassificationMdl
,var
,标签
)var
以及指定课程的分数标签
通过使用分类模型ClassificationMdl
,其中包含预测数据。
如果指定一个变量
var
中每个类对变量的偏依赖关系的折线图标签
.如果指定两个变量
var
,该函数创建了对两个变量的偏依赖性的曲面图。中指定一个类标签
.
plotPartialDependence (
计算并绘制中列出的预测变量之间的偏依赖关系有趣的
,var
,数据
)var
和自定义模型返回的输出有趣的
,使用预测数据数据
.
如果指定一个变量
var
函数为返回的输出的每一列创建对变量的偏依赖性的折线图有趣的
.如果指定两个变量
var
,该函数创建了对两个变量的偏依赖性的曲面图。当你指定两个变量时,有趣的
必须返回列向量,否则必须通过设置OutputColumns
名称-值参数。
例子
输入参数
输出参数
更多关于
算法
对于回归模型(RegressionMdl
)和分类模型(ClassificationMdl
),plotPartialDependence
使用一个预测
预测反应或分数的函数。plotPartialDependence
选择合适的预测
函数根据模型和运行预测
使用默认设置。有关各预测
函数,请参见预测
函数在下面两个表。如果指定的模型是基于树的模型(不包括树的增强集成)和有条件的
是“没有”
,然后plotPartialDependence
使用加权遍历算法代替预测
函数。详情请参见加权遍历算法.
回归模型对象
模型类型 | 完整或紧凑回归模型对象 | 预测反应的功能 |
---|---|---|
用于决策树集成的引导聚合 | CompactTreeBagger |
预测 |
用于决策树集成的引导聚合 | TreeBagger |
预测 |
回归模型集合 | RegressionEnsemble ,RegressionBaggedEnsemble ,CompactRegressionEnsemble |
预测 |
采用随机特征展开的高斯核回归模型 | RegressionKernel |
预测 |
高斯过程回归 | RegressionGP ,CompactRegressionGP |
预测 |
广义加性模型 | RegressionGAM ,CompactRegressionGAM |
预测 |
广义线性混合效应模型 | GeneralizedLinearMixedModel |
预测 |
广义线性模型 | GeneralizedLinearModel ,CompactGeneralizedLinearModel |
预测 |
线性混合效应模型 | LinearMixedModel |
预测 |
线性回归 | LinearModel ,CompactLinearModel |
预测 |
高维数据的线性回归 | RegressionLinear |
预测 |
神经网络回归模型 | RegressionNeuralNetwork ,CompactRegressionNeuralNetwork |
预测 |
非线性回归 | NonLinearModel |
预测 |
回归树 | RegressionTree ,CompactRegressionTree |
预测 |
万博1manbetx支持向量机 | RegressionSVM ,CompactRegressionSVM |
预测 |
分类模型对象
模型类型 | 完整或紧凑的分类模型对象 | 预测标签和分数的函数 |
---|---|---|
判别分析分类器 | ClassificationDiscriminant ,CompactClassificationDiscriminant |
预测 |
支持向量机或其他分类器的多类模型万博1manbetx | ClassificationECOC ,CompactClassificationECOC |
预测 |
学习者集合进行分类 | ClassificationEnsemble ,CompactClassificationEnsemble ,ClassificationBaggedEnsemble |
预测 |
基于随机特征展开的高斯核分类模型 | ClassificationKernel |
预测 |
广义加性模型 | ClassificationGAM ,CompactClassificationGAM |
预测 |
k-最近邻模型 | ClassificationKNN |
预测 |
线性分类模型 | ClassificationLinear |
预测 |
朴素贝叶斯模型 | ClassificationNaiveBayes ,CompactClassificationNaiveBayes |
预测 |
神经网络分类器 | ClassificationNeuralNetwork ,CompactClassificationNeuralNetwork |
预测 |
万博1manbetx单类和二元分类的支持向量机 | ClassificationSVM ,CompactClassificationSVM |
预测 |
用于多类分类的二叉决策树 | ClassificationTree ,CompactClassificationTree |
预测 |
决策树的袋装集合 | TreeBagger ,CompactTreeBagger |
预测 |
选择功能
partialDependence
计算部分依赖而不可视化。该函数可以在一个函数调用中计算两个变量和多个类的偏依赖关系。
参考文献
[3]哈斯蒂,特雷弗,罗伯特·蒂布希拉尼,杰罗姆·弗里德曼。统计学习的要素。纽约,纽约:施普林格纽约,2001年。