La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Modelo aditivo generalizado

Modelo interpretable compuesto por funciones de forma univariadas y bivariadas para regresión

Utilice fitrgam para ajustar un modelo aditivo generalizado para regresión.

Un modelo aditivo generalizado (MAG) es un modelo interpretable que explica una variable de respuesta mediante una suma de funciones de forma univariadas y bivariadas de los predictores. fitrgam utiliza un árbol potenciado como función de forma para cada predictor y, de forma opcional, cada par de predictores; por tanto, la función puede obtener una relación no lineal entre un predictor y la variable de respuesta. Puesto que las contribuciones de cada una de las funciones de forma a la predicción (valor de respuesta) están bien separadas, el modelo es fácil de interpretar.

Objetos

`RegressionGAM`	Generalized additive model (GAM) for regression
`CompactRegressionGAM`	Compact generalized additive model (GAM) for regression
`RegressionPartitionedGAM`	Cross-validated generalized additive model (GAM) for regression

Funciones

expandir todo

Crear un objeto MAG

`fitrgam`	Fit generalized additive model (GAM) for regression
`compact`	Reduce size of machine learning model
`crossval`	Cross-validate machine learning model

Actualizar un MAG

`addInteractions`	Add interaction terms to univariate generalized additive model (GAM)
`resume`	Resume training of generalized additive model (GAM)

Interpretar una predicción

`lime`	Local interpretable model-agnostic explanations (LIME)
`partialDependence`	Compute partial dependence
`plotLocalEffects`	Plot local effects of terms in generalized additive model (GAM)
`plotPartialDependence`	Create partial dependence plot (PDP) and individual conditional expectation (ICE) plots
`shapley`	Shapley values

Evaluar la capacidad predictiva en las nuevas observaciones

`predict`	Predict responses using generalized additive model (GAM)
`loss`	Regression loss for generalized additive model (GAM)

Evaluar la capacidad predictiva en los datos de entrenamiento

`resubPredict`	Predict responses for training data using trained regression model
`resubLoss`	Resubstitution regression loss

Evaluar la capacidad predictiva en los datos con validación cruzada

`kfoldPredict`	Predict responses for observations in cross-validated regression model
`kfoldLoss`	Loss for cross-validated partitioned regression model
`kfoldfun`	Cross-validate function for regression

Temas

Train Generalized Additive Model for Regression
Train a generalized additive model (GAM) with optimal parameters, assess predictive performance, and interpret the trained model.