일반화 가산 모델

이진 분류를 위해 일변량과 이변량 형태 함수로 구성된 해석 가능한 모델

이진 분류를 위한 일반화 가산 모델을 피팅하기 위해 fitcgam을 사용합니다.

일반화된 가산 모델(GAM)은 해석 가능한 모델로, 예측 변수의 일변량과 이변량 형태 함수의 합을 사용하여 클래스 점수(클래스 확률의 로짓)를 설명합니다. fitcgam은 각 예측 변수와 예측 변수의 각 쌍(선택사항)에 대해 형태 함수로 부스팅 트리를 사용하므로 함수는 예측 변수와 응답 변수 사이의 비선형 관계를 캡처할 수 있습니다. 예측 변수에 대한 개별 형태 함수의 기여(분류 점수)가 잘 분리되어 있으므로 모델을 쉽게 해석할 수 있습니다.

객체

`ClassificationGAM`	Generalized additive model (GAM) for binary classification (R2021a 이후)
`CompactClassificationGAM`	Compact generalized additive model (GAM) for binary classification (R2021a 이후)
`ClassificationPartitionedGAM`	Cross-validated generalized additive model (GAM) for classification (R2021a 이후)

함수

모두 확장

GAM 객체 만들기

`fitcgam`	Fit generalized additive model (GAM) for binary classification (R2021a 이후)
`compact`	Reduce size of machine learning model
`crossval`	Cross-validate machine learning model
`templateGAM`	Generalized additive model (GAM) learner template (R2023b 이후)

GAM 업데이트하기

`addInteractions`	Add interaction terms to univariate generalized additive model (GAM) (R2021a 이후)
`resume`	Resume training of generalized additive model (GAM) (R2021a 이후)

예측 해석하기

`lime`	Local interpretable model-agnostic explanations (LIME) (R2020b 이후)
`partialDependence`	Compute partial dependence (R2020b 이후)
`permutationImportance`	Predictor importance by permutation (R2024a 이후)
`plotLocalEffects`	Plot local effects of terms in generalized additive model (GAM) (R2021a 이후)
`plotPartialDependence`	Create partial dependence plot (PDP) and individual conditional expectation (ICE) plots
`shapley`	Shapley values (R2021a 이후)

새 관측값의 예측 성능 평가하기

`predict`	Classify observations using generalized additive model (GAM) (R2021a 이후)
`loss`	Classification loss for generalized additive model (GAM) (R2021a 이후)
`margin`	Classification margins for generalized additive model (GAM) (R2021a 이후)
`edge`	Classification edge for generalized additive model (GAM) (R2021a 이후)

훈련 데이터의 예측 성능 평가하기

`resubPredict`	Classify training data using trained classifier
`resubLoss`	Resubstitution classification loss
`resubMargin`	Resubstitution classification margin
`resubEdge`	Resubstitution classification edge

유효성 검사를 마친 데이터의 예측 성능 평가하기

`kfoldPredict`	Classify observations in cross-validated classification model
`kfoldLoss`	Classification loss for cross-validated classification model
`kfoldMargin`	Classification margins for cross-validated classification model
`kfoldEdge`	Classification edge for cross-validated classification model
`kfoldfun`	Cross-validate function for classification

정확도 비교하기

`compareHoldout`	Compare accuracies of two classification models using new data
`testckfold`	Compare accuracies of two classification models by repeated cross-validation

도움말 항목

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