广义相加模型(GAM)回归gydF4y2Ba
一个gydF4y2BaRegressionGAMgydF4y2Ba
对象是一个gydF4y2Ba广义加性模型gydF4y2Ba为回归(GAM)对象。可说明的模型,解释了反应变量使用一个单变量和二元形状函数的和。gydF4y2Ba
你可以预测反应的新观察使用gydF4y2Ba预测gydF4y2Ba
功能,图上的每个形状函数的影响预测(响应值)观察使用gydF4y2BaplotLocalEffectsgydF4y2Ba
函数。对象功能的完整列表gydF4y2BaRegressionGAMgydF4y2Ba
,请参阅gydF4y2Ba对象的功能gydF4y2Ba。gydF4y2Ba
创建一个gydF4y2BaRegressionGAMgydF4y2Ba
对象的使用gydF4y2BafitrgamgydF4y2Ba
。您可以指定两个线性项和交互项预测因子包括单变量的形状函数(预测树)和二元形函数(交互树)在一个训练有素的模型中,分别。gydF4y2Ba
你可以通过使用更新训练模型gydF4y2Ba的简历gydF4y2Ba
或gydF4y2BaaddInteractionsgydF4y2Ba
。gydF4y2Ba
的gydF4y2Ba的简历gydF4y2Ba
功能恢复训练现有的模型中。gydF4y2Ba
的gydF4y2BaaddInteractionsgydF4y2Ba
函数添加交互项的模型只包含线性项。gydF4y2Ba
BinEdgesgydF4y2Ba
- - - - - -gydF4y2Ba本边缘数值预测gydF4y2Ba[]gydF4y2Ba
这个属性是只读的。gydF4y2Ba
本数值预测边缘,指定的单元阵列gydF4y2BapgydF4y2Ba数值向量,gydF4y2BapgydF4y2Ba预测的数量。每个向量包括箱子边缘数值预测。单元阵列中的元素分类预测是空的,因为软件不本分类预测。gydF4y2Ba
软件垃圾箱只有指定数值预测gydF4y2Ba“NumBins”gydF4y2Ba
名称-值参数作为一个正整数标量当训练学习者模型树。的gydF4y2BaBinEdgesgydF4y2Ba
属性是空的,如果gydF4y2Ba“NumBins”gydF4y2Ba
值是空的(默认)。gydF4y2Ba
你可以复制被预测数据gydF4y2BaXbinnedgydF4y2Ba
通过使用gydF4y2BaBinEdgesgydF4y2Ba
训练模型的属性gydF4y2BamdlgydF4y2Ba
。gydF4y2Ba
X = mdl.X;%预测数据Xbinned = 0(大小(X));边缘= mdl.BinEdges;%找到被预测的指标。idxNumeric =找到(~ cellfun (@isempty边缘));如果iscolumn idxNumeric idxNumeric = idxNumeric ';对j = idxNumeric x = x (:, j);% x转换为数组如果x是一个表。如果istable (x) x = table2array (x);组x %到垃圾箱使用结束gydF4y2Ba离散化gydF4y2Ba
函数。xbinned =离散化(x,[无穷;边缘{};正]);Xbinned (:, j) = Xbinned;结束gydF4y2Ba
XbinnedgydF4y2Ba
包含本指标,从1到垃圾箱的数量,数值预测。gydF4y2BaXbinnedgydF4y2Ba
分类预测的值是0。如果gydF4y2BaXgydF4y2Ba
包含gydF4y2Ba南gydF4y2Ba
年代,那么相应的gydF4y2BaXbinnedgydF4y2Ba
值是gydF4y2Ba南gydF4y2Ba
年代。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
的相互作用gydF4y2Ba
- - - - - -gydF4y2Ba交互项指标gydF4y2Ba[]gydF4y2Ba
这个属性是只读的。gydF4y2Ba
交互项指标,作为指定gydF4y2BatgydF4y2Ba
2的正整数矩阵,gydF4y2BatgydF4y2Ba
是交互项的数量模型。矩阵的每一行代表一个交互术语和包含的列索引的预测数据gydF4y2BaXgydF4y2Ba
的交互项。如果模型不包括交互项,然后这个属性是空的(gydF4y2Ba[]gydF4y2Ba
)。gydF4y2Ba
软件将交互项添加到模型基于重要性的顺序gydF4y2BapgydF4y2Ba值。使用这个属性来检查交互项的顺序添加到模型中。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
拦截gydF4y2Ba
- - - - - -gydF4y2Ba截距的模型gydF4y2Ba这个属性是只读的。gydF4y2Ba
拦截(常数)的模型,这是截距项的和预测的树木和交互树,指定为一个数字标量。gydF4y2Ba
数据类型:gydF4y2Ba单gydF4y2Ba
|gydF4y2Ba双gydF4y2Ba
ModelParametersgydF4y2Ba
- - - - - -gydF4y2Ba参数用来训练模型gydF4y2Ba这个属性是只读的。gydF4y2Ba
参数用来训练模型,指定为一个参数对象模型。gydF4y2BaModelParametersgydF4y2Ba
包含名称-值参数的参数值如用来训练模型。gydF4y2BaModelParametersgydF4y2Ba
不包含估计参数。gydF4y2Ba
访问的字段gydF4y2BaModelParametersgydF4y2Ba
通过使用点符号。例如,访问的最大数量决定分裂/交互树通过使用gydF4y2BaMdl.ModelParameters.MaxNumSplitsPerInteractiongydF4y2Ba
。gydF4y2Ba
PairDetectionBinEdgesgydF4y2Ba
- - - - - -gydF4y2Ba本为交互项检测边缘gydF4y2Ba这个属性是只读的。gydF4y2Ba
本边缘交互项检测数值预测,指定的单元阵列gydF4y2BapgydF4y2Ba数值向量,gydF4y2BapgydF4y2Ba预测的数量。每个向量包括箱子边缘数值预测。单元阵列中的元素分类预测是空的,因为软件不本分类预测。gydF4y2Ba
加快交互项检测过程,软件垃圾箱数值预测到最多8等概率的垃圾箱。箱子的数量可以少于8如果预测不到8独特的价值观。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
ReasonForTerminationgydF4y2Ba
- - - - - -gydF4y2Ba原因训练停止gydF4y2Ba这个属性是只读的。gydF4y2Ba
原因停止训练模型,与两个字段指定为一个结构,gydF4y2BaPredictorTreesgydF4y2Ba
和gydF4y2BaInteractionTreesgydF4y2Ba
。gydF4y2Ba
使用这个属性来检查模型包含每个线性项的指定数量的树(gydF4y2Ba“NumTreesPerPredictor”gydF4y2Ba
每个交互术语()和gydF4y2Ba“NumTreesPerInteraction”gydF4y2Ba
)。如果gydF4y2BafitrgamgydF4y2Ba
函数终止训练之前添加指定数量的树木,这个属性包含终止的原因。gydF4y2Ba
数据类型:gydF4y2Ba结构体gydF4y2Ba
CategoricalPredictorsgydF4y2Ba
- - - - - -gydF4y2Ba分类预测指标gydF4y2Ba[]gydF4y2Ba
这个属性是只读的。gydF4y2Ba
分类预测指标,指定为一个向量的正整数。gydF4y2BaCategoricalPredictorsgydF4y2Ba
包含索引值对应的列包含分类预测的预测数据。如果所有的预测都直言,那么这个属性是空的(gydF4y2Ba[]gydF4y2Ba
)。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
ExpandedPredictorNamesgydF4y2Ba
- - - - - -gydF4y2Ba扩大了预测的名字gydF4y2Ba这个属性是只读的。gydF4y2Ba
扩展预测名称,指定为一个单元阵列的特征向量。gydF4y2Ba
ExpandedPredictorNamesgydF4y2Ba
是一样的gydF4y2BaPredictorNamesgydF4y2Ba
广义加性模型。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
NumObservationsgydF4y2Ba
- - - - - -gydF4y2Ba数量的观察gydF4y2Ba这个属性是只读的。gydF4y2Ba
训练数据存储在观测的数量gydF4y2BaXgydF4y2Ba
和gydF4y2BaYgydF4y2Ba
,指定为一个数字标量。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
PredictorNamesgydF4y2Ba
- - - - - -gydF4y2Ba预测变量的名字gydF4y2Ba这个属性是只读的。gydF4y2Ba
预测变量名称,指定为一个单元阵列的特征向量。元素的顺序gydF4y2BaPredictorNamesgydF4y2Ba
对应的顺序预测的名字出现在训练数据。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
ResponseNamegydF4y2Ba
- - - - - -gydF4y2Ba响应变量名gydF4y2Ba这个属性是只读的。gydF4y2Ba
响应变量名称,指定为一个特征向量。gydF4y2Ba
数据类型:gydF4y2Ba字符gydF4y2Ba
ResponseTransformgydF4y2Ba
- - - - - -gydF4y2Ba响应转换函数gydF4y2Ba“没有”gydF4y2Ba
|gydF4y2Ba函数处理gydF4y2Ba响应变换函数,指定为gydF4y2Ba“没有”gydF4y2Ba
或一个函数处理。gydF4y2BaResponseTransformgydF4y2Ba
描述了软件转换原始响应值。gydF4y2Ba
对于一个MATLABgydF4y2Ba®gydF4y2Ba函数或你定义一个函数,输入它的功能处理。例如,您可以输入gydF4y2BaMdl。ResponseTransform = @gydF4y2Ba函数gydF4y2Ba
,在那里gydF4y2Ba函数gydF4y2Ba
接受一个数字矢量的原始响应并返回一个同样大小的数值向量包含转换后的反应。gydF4y2Ba
数据类型:gydF4y2Ba字符gydF4y2Ba
|gydF4y2Bafunction_handlegydF4y2Ba
RowsUsedgydF4y2Ba
- - - - - -gydF4y2Ba行用于拟合gydF4y2Ba[]gydF4y2Ba
|gydF4y2Ba逻辑向量gydF4y2Ba这个属性是只读的。gydF4y2Ba
行中使用的原始训练数据拟合gydF4y2BaRegressionGAMgydF4y2Ba
模型,指定为一个逻辑向量。使用这个属性是空的,如果所有行。gydF4y2Ba
数据类型:gydF4y2Ba逻辑gydF4y2Ba
WgydF4y2Ba
- - - - - -gydF4y2Ba观察权重gydF4y2Ba这个属性是只读的。gydF4y2Ba
观察权重用来训练模型,指定为一个gydF4y2BangydF4y2Ba1数字向量。gydF4y2BangydF4y2Ba是观测的数量(gydF4y2BaNumObservationsgydF4y2Ba
)。gydF4y2Ba
软件可实现观察中指定的权重gydF4y2Ba“重量”gydF4y2Ba
名称-值参数的元素gydF4y2BaWgydF4y2Ba
总结为1。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
XgydF4y2Ba
- - - - - -gydF4y2Ba预测gydF4y2Ba这个属性是只读的。gydF4y2Ba
预测用于训练模型,指定为一个数字矩阵或表。gydF4y2Ba
每一行的gydF4y2BaXgydF4y2Ba
对应于一个观察,每一列对应一个变量。gydF4y2Ba
数据类型:gydF4y2Ba单gydF4y2Ba
|gydF4y2Ba双gydF4y2Ba
|gydF4y2Ba表gydF4y2Ba
YgydF4y2Ba
- - - - - -gydF4y2Ba响应gydF4y2Ba这个属性是只读的。gydF4y2Ba
反应,指定为一个数值向量。gydF4y2Ba
每一行的gydF4y2BaYgydF4y2Ba
代表观察到的响应相应的行gydF4y2BaXgydF4y2Ba
。gydF4y2Ba
数据类型:gydF4y2Ba单gydF4y2Ba
|gydF4y2Ba双gydF4y2Ba
CompactRegressionGAMgydF4y2Ba
紧凑的gydF4y2Ba |
减少机器学习模型的大小gydF4y2Ba |
RegressionPartitionedGAMgydF4y2Ba
crossvalgydF4y2Ba |
旨在机器学习模型gydF4y2Ba |
addInteractionsgydF4y2Ba |
添加交互条款单变量广义相加模型(GAM)gydF4y2Ba |
的简历gydF4y2Ba |
恢复训练的广义相加模型(GAM)gydF4y2Ba |
石灰gydF4y2Ba |
本地可model-agnostic解释(石灰)gydF4y2Ba |
partialDependencegydF4y2Ba |
计算部分依赖gydF4y2Ba |
plotLocalEffectsgydF4y2Ba |
情节当地的影响计算广义相加模型(GAM)gydF4y2Ba |
plotPartialDependencegydF4y2Ba |
创建部分依赖图(PDP)和个人条件期望(ICE)情节gydF4y2Ba |
沙普利gydF4y2Ba |
沙普利值gydF4y2Ba |
预测gydF4y2Ba |
预测反应使用广义相加模型(GAM)gydF4y2Ba |
损失gydF4y2Ba |
回归损失广义相加模型(GAM)gydF4y2Ba |
resubPredictgydF4y2Ba |
使用训练有素的回归模型预测反应的训练数据gydF4y2Ba |
resubLossgydF4y2Ba |
Resubstitution回归损失gydF4y2Ba |
火车一个单变量GAM,其中包含线性项预测。然后,解释预测通过使用指定的数据实例gydF4y2BaplotLocalEffectsgydF4y2Ba
函数。gydF4y2Ba
加载数据集gydF4y2BaNYCHousing2015gydF4y2Ba
。gydF4y2Ba
负载gydF4y2BaNYCHousing2015gydF4y2Ba
数据集包括10变量信息属性的销售在2015年在纽约。这个示例使用这些变量分析销售价格(gydF4y2BaSALEPRICEgydF4y2Ba
)。gydF4y2Ba
预处理的数据集。删除离群值,转换gydF4y2BadatetimegydF4y2Ba
阵列(gydF4y2BaSALEDATEgydF4y2Ba
)本月数据,并将响应变量(gydF4y2BaSALEPRICEgydF4y2Ba
最后一列。gydF4y2Ba
idx = isoutlier (NYCHousing2015.SALEPRICE);NYCHousing2015 (idx:) = [];NYCHousing2015。SALEDATE=month(NYCHousing2015.SALEDATE); NYCHousing2015 = movevars(NYCHousing2015,“SALEPRICE”gydF4y2Ba,gydF4y2Ba“后”gydF4y2Ba,gydF4y2Ba“SALEDATE”gydF4y2Ba);gydF4y2Ba
显示表的前三行。gydF4y2Ba
头(NYCHousing2015, 3)gydF4y2Ba
ans =gydF4y2Ba表3×10gydF4y2Ba区附近BUILDINGCLASSCATEGORY RESIDENTIALUNITS COMMERCIALUNITS LANDSQUAREFEET GROSSSQUAREFEET YEARBUILT SALEDATE SALEPRICE _________ _______ ____________________________ ___________ ________售予____ ____售予* * * 2 {‘BATHGATE}{01一个家庭住宅的}1 0 4750 2619 1899 8 0 2 {‘BATHGATE}{01一个家庭住宅的}1 0 4750 2619 1899 8 0 2 {‘BATHGATE}{01一个家庭住宅的}1 1 1287 2528 1899 12 0gydF4y2Ba
火车的单变量GAM销售价格。指定的变量gydF4y2Ba区gydF4y2Ba
,gydF4y2Ba社区gydF4y2Ba
,gydF4y2BaBUILDINGCLASSCATEGORYgydF4y2Ba
,gydF4y2BaSALEDATEgydF4y2Ba
分类预测。gydF4y2Ba
Mdl = fitrgam (NYCHousing2015,gydF4y2Ba“SALEPRICE”gydF4y2Ba,gydF4y2Ba“CategoricalPredictors”gydF4y2Ba(1 2 3 9))gydF4y2Ba
Mdl = RegressionGAM PredictorNames: {1 x9细胞}ResponseName:“SALEPRICE”CategoricalPredictors: [1 2 3 9] ResponseTransform:“没有一个”拦截:3.7518 e + 05 NumObservations: 83517属性,方法gydF4y2Ba
MdlgydF4y2Ba
是一个gydF4y2BaRegressionGAMgydF4y2Ba
模型对象。该模型显示显示了部分模型的属性列表。查看完整的属性列表,双击变量名gydF4y2BaMdlgydF4y2Ba
在工作区中。变量编辑器打开gydF4y2BaMdlgydF4y2Ba
。或者,您可以在命令窗口中显示属性使用点符号。例如,显示估计拦截(常数)的gydF4y2BaMdlgydF4y2Ba
。gydF4y2Ba
Mdl.InterceptgydF4y2Ba
ans = 3.7518 e + 05gydF4y2Ba
预测销售价格第一对训练数据的观察和情节当地条件的影响gydF4y2BaMdlgydF4y2Ba
在预测。gydF4y2Ba
yFit =预测(Mdl NYCHousing2015 (1,:))gydF4y2Ba
yFit = 4.4421 e + 05gydF4y2Ba
:plotLocalEffects (Mdl NYCHousing2015 (1))gydF4y2Ba
的gydF4y2Ba预测gydF4y2Ba
函数预测第一次观察到的销售价格gydF4y2Ba4.4421 e5gydF4y2Ba
。的gydF4y2BaplotLocalEffectsgydF4y2Ba
函数创建一个水平条形图显示当地条件的影响gydF4y2BaMdlgydF4y2Ba
在预测。每个局部效应值显示每一项的贡献预测销售价格。gydF4y2Ba
火车一个包含线性广义相加模型和交互条件预测在三种不同的方式:gydF4y2Ba
指定的交互使用gydF4y2Ba公式gydF4y2Ba
输入参数。gydF4y2Ba
指定gydF4y2Ba“互动”gydF4y2Ba
名称-值参数。gydF4y2Ba
首先建立一个模型与线性项和添加交互模型通过使用条款gydF4y2BaaddInteractionsgydF4y2Ba
函数。gydF4y2Ba
加载gydF4y2BacarbiggydF4y2Ba
的数据集,其中包含测量汽车在1970年代末和1980年代初。gydF4y2Ba
负载gydF4y2BacarbiggydF4y2Ba
创建一个表,其中包含预测变量(gydF4y2Ba加速度gydF4y2Ba
,gydF4y2Ba位移gydF4y2Ba
,gydF4y2Ba马力gydF4y2Ba
,gydF4y2Ba重量gydF4y2Ba
)和响应变量(gydF4y2Ba英里/加仑gydF4y2Ba
)。gydF4y2Ba
台=表(加速度、位移、马力、体重、MPG);gydF4y2Ba
指定gydF4y2Ba公式gydF4y2Ba
火车一个包含四个线性GAM术语(gydF4y2Ba加速度gydF4y2Ba
,gydF4y2Ba位移gydF4y2Ba
,gydF4y2Ba马力gydF4y2Ba
,gydF4y2Ba重量gydF4y2Ba
)和两个交互术语(gydF4y2Ba*位移加速度gydF4y2Ba
和gydF4y2Ba位移*马力gydF4y2Ba
)。指定使用一个公式的形式gydF4y2Ba“Y ~条款”gydF4y2Ba
。gydF4y2Ba
Mdl1 = fitrgam(资源描述,gydF4y2Ba“MPG ~加速+ +能力+重量+位移加速度:位移+位移:马力的gydF4y2Ba);gydF4y2Ba
函数添加交互模型的重要性的顺序。您可以使用gydF4y2Ba的相互作用gydF4y2Ba
财产检查条款的交互模型和顺序gydF4y2BafitrgamgydF4y2Ba
将它们添加到模型中。显示gydF4y2Ba的相互作用gydF4y2Ba
财产。gydF4y2Ba
Mdl1.InteractionsgydF4y2Ba
ans =gydF4y2Ba2×2gydF4y2Ba2 3 1 2gydF4y2Ba
每一行的gydF4y2Ba的相互作用gydF4y2Ba
代表一个交互术语和包含的列索引的预测变量的交互项。gydF4y2Ba
指定gydF4y2Ba“互动”gydF4y2Ba
通过训练数据(gydF4y2Ba资源描述gydF4y2Ba
)和响应变量的名称gydF4y2Ba资源描述gydF4y2Ba
来gydF4y2BafitrgamgydF4y2Ba
,功能包括所有其他变量的线性项预测。指定gydF4y2Ba“互动”gydF4y2Ba
使用一个逻辑名称参数矩阵包括两个交互方面,gydF4y2Bax1 * x2gydF4y2Ba
和gydF4y2Bax2 * x3gydF4y2Ba
。gydF4y2Ba
Mdl2 = fitrgam(资源描述,gydF4y2Ba“英里”gydF4y2Ba,gydF4y2Ba“互动”gydF4y2Ba、逻辑([1 1 0 0;0 1 1 0]));Mdl2.InteractionsgydF4y2Ba
ans =gydF4y2Ba2×2gydF4y2Ba2 3 1 2gydF4y2Ba
您还可以指定gydF4y2Ba“互动”gydF4y2Ba
交互的数量或条款gydF4y2Ba“所有”gydF4y2Ba
包含所有可用的交互。在指定的交互项,gydF4y2BafitrgamgydF4y2Ba
识别那些gydF4y2BapgydF4y2Ba值不大于gydF4y2Ba“MaxPValue”gydF4y2Ba
值并将它们添加到模型中。默认的gydF4y2Ba“MaxPValue”gydF4y2Ba
是1,函数将所有指定的交互项添加到模型中。gydF4y2Ba
指定gydF4y2Ba“互动”、“所有”gydF4y2Ba
并设置gydF4y2Ba“MaxPValue”gydF4y2Ba
0.05名称参数。gydF4y2Ba
Mdl3 = fitrgam(资源描述,gydF4y2Ba“英里”gydF4y2Ba,gydF4y2Ba“互动”gydF4y2Ba,gydF4y2Ba“所有”gydF4y2Ba,gydF4y2Ba“MaxPValue”gydF4y2Ba,0.05);gydF4y2Ba
警告:不包括交互模型方面因为所有交互项假定值大于“MaxPValue”值,或者软件无法改善模型。gydF4y2Ba
Mdl3.InteractionsgydF4y2Ba
ans = 0 x2空双矩阵gydF4y2Ba
Mdl3gydF4y2Ba
不包含交互条款,这意味着以下之一:所有交互项gydF4y2BapgydF4y2Ba值大于0.05,或添加交互条款不适合改善模型。gydF4y2Ba
使用gydF4y2BaaddInteractionsgydF4y2Ba
函数gydF4y2Ba
火车一个包含线性单变量GAM条件预测,然后添加交互训练模型通过使用条款gydF4y2BaaddInteractionsgydF4y2Ba
函数。指定的第二个输入参数gydF4y2BaaddInteractionsgydF4y2Ba
以同样的方式你指定gydF4y2Ba“互动”gydF4y2Ba
名称-值参数gydF4y2BafitrgamgydF4y2Ba
。您可以指定使用逻辑矩阵相互作用项的列表,交互项的数量,或gydF4y2Ba“所有”gydF4y2Ba
。gydF4y2Ba
指定数量的交互条款3三个最重要的交互项添加到训练模型。gydF4y2Ba
Mdl4 = fitrgam(资源描述,gydF4y2Ba“英里”gydF4y2Ba);UpdatedMdl4 = addInteractions (Mdl4 3);UpdatedMdl4.InteractionsgydF4y2Ba
ans =gydF4y2Ba3×2gydF4y2Ba2 3 1 2 3 4gydF4y2Ba
Mdl4gydF4y2Ba
是一个单变量GAM,gydF4y2BaUpdatedMdl4gydF4y2Ba
是一个包含所有的更新GAM条款gydF4y2BaMdl4gydF4y2Ba
和三个额外的交互。gydF4y2Ba
火车一个包含两个线性回归GAM和交互。指定培训条件的交互次数较少的迭代。训练后的交互方面更多的迭代,比较resubstitution损失。gydF4y2Ba
加载gydF4y2BacarbiggydF4y2Ba
的数据集,其中包含测量汽车在1970年代末和1980年代初。gydF4y2Ba
负载gydF4y2BacarbiggydF4y2Ba
指定gydF4y2Ba加速度gydF4y2Ba
,gydF4y2Ba位移gydF4y2Ba
,gydF4y2Ba马力gydF4y2Ba
,gydF4y2Ba重量gydF4y2Ba
作为预测变量(gydF4y2BaXgydF4y2Ba
),gydF4y2Ba英里/加仑gydF4y2Ba
作为响应变量(gydF4y2BaYgydF4y2Ba
)。gydF4y2Ba
X =(加速度、位移、马力、重量);Y = MPG;gydF4y2Ba
火车GAM,包括所有可用的线性和交互方面gydF4y2BaXgydF4y2Ba
。树的数量/交互项指定为2。gydF4y2BafitrgamgydF4y2Ba
提高算法迭代300次(默认)线性项,指定的迭代次数和迭代算法的交互。每个增加迭代的功能增加了一棵树每线性项或一棵树每交互项。指定gydF4y2Ba“详细”gydF4y2Ba
1在每10迭代显示诊断消息。gydF4y2Ba
Mdl = fitrgam (X, Y,gydF4y2Ba“互动”gydF4y2Ba,gydF4y2Ba“所有”gydF4y2Ba,gydF4y2Ba“NumTreesPerInteraction”gydF4y2Ba2,gydF4y2Ba“详细”gydF4y2Ba1);gydF4y2Ba
| = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | | |型NumTrees |异常| RelTol | LearnRate | | = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | | 1 d | 0 | 2.4432 e + 05 | - | | | 1 d | 1 | 9507.4 |正| 1 | | 1 d | 10 | 4470.6 | 0.00025206 | 1 | | 1 d | 20 | 3895.3 | 0.00011448 | 1 | | 1 d 30 | 3617.7 | 3.5365 | e-05 | 1 | | 1 d 40 | | 3402.5 | 3.7992 e-05 | 1 | | 1 d 50 | | 3257.1 | 2.4983 e-05 | 1 | | 1 d 60 | | 3131.8 | 2.3873 e-05 | 1 | | 1 d | 70 | 3019.8 | 2.2967 e-05 | 1 | | 1 d | 80 | 2925.9 | 2.8071 e-05 | 1 | | 1 d | 90 | 2845.3 | 1.6811 e-05 | 1 | | 1 d | 100 | 2772.7 | 1.852 e-05 | 1 | | 1 d | 110 | 2707.8 | 1.6754 e-05 | 1 | | 1 d | 120 | 2649.8 | 1.651 e-05 | 1 | | 1 d | 130 | 2596.6 | 1.1723 e-05 | 1 | | 1 d | 140 | 2547.4 | 1.813 e-05 | 1 | | 1 d | 150 | 2501.1 | 1.8659 e-05 | 1 | | 1 d | 160 | 2455.7 | 1.386 e-05 | 1 | | 1 d | 170 | 2416.9 | 1.0615 e-05 | 1 | | 1 d | 180 | 2377.2 | 8.534 e-06 | 1 | | 1 d | 190 | 2339 | 7.6771 e-06 | 1 | | 1 d | 200 | 2303.3 | 9.5866 e-06 | 1 | | 1 d | 210 | 2270.7 | 8.4276 e-06 | 1 | | 1 d | 220 | 2240.1 | 8.5778 e-06 | 1 | | 1 d | 230 | 2209.2 | 9.6761 e-06 | 1 | | 1 d | 240 | 2178.7 | 7.0622 e-06 | 1 | | 1 d | 250 | 2150.3 | 8.3082 e-06 | 1 | | 1 d | 260 | 2122.3 | 7.9542 e-06 | 1 | | 1 d | 270 | 2097.7 | 7.6328 e-06 | 1 | | 1 d | 280 | 2070.4 | 9.4322 e-06 | 1 | | 1 d | 290 | 2044.3 | 7.5722 e-06 | 1 | | 1 d | 300 | 2019.7 | 6.6719 e-06 | 1 | | = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | | |型NumTrees |异常| RelTol | LearnRate | | = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | | 2 d | 0 | 2019.7 | - | | | 2 d | 1 | 1795.5 | 0.0005975 | 1 | | 2 d | 2 | 1523.4 | 0.0010079 | 1 |gydF4y2Ba
检查是否gydF4y2BafitrgamgydF4y2Ba
列车指定数量的树,显示gydF4y2BaReasonForTerminationgydF4y2Ba
财产的训练模型和视图显示的消息。gydF4y2Ba
Mdl.ReasonForTerminationgydF4y2Ba
ans =gydF4y2Ba结构体字段:gydF4y2BaPredictorTrees:“训练后终止请求数量的树木。”InteractionTrees:“训练后终止请求数量的树木。”gydF4y2Ba
计算回归训练数据的损失。gydF4y2Ba
resubLoss (Mdl)gydF4y2Ba
ans = 3.8277gydF4y2Ba
另一个100次迭代恢复训练模型。因为gydF4y2BaMdlgydF4y2Ba
既包含线性和互动方面,gydF4y2Ba的简历gydF4y2Ba
功能恢复训练的交互条款和添加更多的树(交互树)。gydF4y2Ba
UpdatedMdl =简历(Mdl, 100);gydF4y2Ba
| = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | | |型NumTrees |异常| RelTol | LearnRate | | = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | | 2 d | 0 | 1523.4 | - | | | 2 d | 1 | 1363.9 | 0.00039695 | 1 | | 2 d 10 | | 594.04 | 8.0295 e-05 | 1 | | 2 d 20 | | 359.44 | 4.3201 e-05 | 1 | | 2 d 30 | | 238.51 | 2.6869 e-05 | 1 | | 2 d 40 | | 153.98 | 2.6271 e-05 | 1 | | 2 d 50 | | 91.464 | 8.0936 e-06 | 1 | | 2 d 60 | | 61.882 | 3.8528 e-06 | 1 | | 2 d | 70 | 43.206 | 5.9888 e-06 | 1 |gydF4y2Ba
UpdatedMdl.ReasonForTerminationgydF4y2Ba
ans =gydF4y2Ba结构体字段:gydF4y2BaPredictorTrees:“训练后终止请求数量的树木。”InteractionTrees:“不能改善模型适合。”gydF4y2Ba
的简历gydF4y2Ba
终止培训当添加更多的树不能改善模型的异常。gydF4y2Ba
使用更新后的模型计算回归损失。gydF4y2Ba
resubLoss (UpdatedMdl)gydF4y2Ba
ans = 0.0944gydF4y2Ba
回归后减少损失gydF4y2Ba的简历gydF4y2Ba
用更多的迭代更新模型。gydF4y2Ba
广义相加模型(GAM)是一种可说明的模型,解释了使用单变量和响应变量二维形状预测功能。gydF4y2Ba
fitrgamgydF4y2Ba
使用了树作为形状函数为每个预测,可选地,每一对预测;因此,函数可以捕获一个预测和响应变量之间的非线性关系。因为贡献个人的形状函数来预测(响应值)分离,模型很容易解释。gydF4y2Ba
标准为每个预测GAM使用一个单变量的形状函数。gydF4y2Ba
在哪里gydF4y2BaygydF4y2Ba是一个反应变量符合正态分布,意味着什么gydF4y2BaμgydF4y2Ba和标准偏差gydF4y2BaσgydF4y2Ba。gydF4y2BaggydF4y2Ba(gydF4y2BaμgydF4y2Ba)gydF4y2Ba是一个身份链接功能,gydF4y2BacgydF4y2Ba是一个拦截(常数)。gydF4y2BafgydF4y2Ba我gydF4y2Ba(gydF4y2BaxgydF4y2Ba我gydF4y2Ba)是一个单变量函数的形状gydF4y2Ba我gydF4y2Bath预测,提高了树的线性项预测(预测树)。gydF4y2Ba
您可以包括预测因子之间的相互作用在模型中通过添加二元形状功能的重要的交互模型。gydF4y2Ba
在哪里gydF4y2BafgydF4y2BaijgydF4y2Ba(gydF4y2BaxgydF4y2Ba我gydF4y2BaxgydF4y2BajgydF4y2Ba)是一个二元函数的形状gydF4y2Ba我gydF4y2Bath和gydF4y2BajgydF4y2Bath预测,这是一个提高树为一个交互项预测(交互树)。gydF4y2Ba
fitrgamgydF4y2Ba
发现重要的交互条款的基础上gydF4y2BapgydF4y2Ba值的gydF4y2BaFgydF4y2Ba测试。有关详细信息,请参见gydF4y2Ba交互项检测gydF4y2Ba。gydF4y2Ba
[1]卢,阴,丰富Caruana,约翰内斯·耶尔克。“可理解的模式分类和回归。”gydF4y2Ba18 ACM SIGKDD学报》国际会议上知识发现和数据挖掘(KDD ' 12)。gydF4y2Ba中国,北京:ACM出版社,2012,页150 - 158。gydF4y2Ba
[2]卢、阴、富Caruana,约翰内斯·耶尔克,贾尔斯妓女。“准确理解成对作用模型。”gydF4y2Ba19 ACM SIGKDD学报》国际会议上知识发现和数据挖掘(KDD ' 13)gydF4y2Ba美国伊利诺斯州芝加哥:ACM出版社,2013,页623 - 631。gydF4y2Ba
addInteractionsgydF4y2Ba
|gydF4y2BaCompactRegressionGAMgydF4y2Ba
|gydF4y2BafitrgamgydF4y2Ba
|gydF4y2BaRegressionPartitionedGAMgydF4y2Ba
|gydF4y2Ba的简历gydF4y2Ba
你点击一个链接对应MATLAB命令:gydF4y2Ba
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetxgydF4y2Ba
你也可以从下面的列表中选择一个网站:gydF4y2Ba
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。gydF4y2Ba