Main Content

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

RegressionGAMGeneralized additive model (GAM) for regression
CompactRegressionGAMCompact generalized additive model (GAM) for regression
RegressionPartitionedGAMCross-validated generalized additive model (GAM) for regression

Funciones

expandir todo

fitrgamFit generalized additive model (GAM) for regression
compactReduce size of machine learning model
crossvalCross-validate machine learning model
addInteractionsAdd interaction terms to univariate generalized additive model (GAM)
resumeResume training of generalized additive model (GAM)
limeLocal interpretable model-agnostic explanations (LIME)
partialDependenceCompute partial dependence
plotLocalEffectsPlot local effects of terms in generalized additive model (GAM)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapleyShapley values
predictPredict responses using generalized additive model (GAM)
lossRegression loss for generalized additive model (GAM)
resubPredictPredict responses for training data using trained regression model
resubLossResubstitution regression loss
kfoldPredictPredict responses for observations in cross-validated regression model
kfoldLossLoss for cross-validated partitioned regression model
kfoldfunCross-validate function for regression

Temas