Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

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

ClassificationGAMGeneralized additive model (GAM) for binary classification
CompactClassificationGAMCompact generalized additive model (GAM) for binary classification
ClassificationPartitionedGAMCross-validated generalized additive model (GAM) for classification

함수

모두 확장

fitcgamFit generalized additive model (GAM) for binary classification
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
predictClassify observations using generalized additive model (GAM)
lossClassification loss for generalized additive model (GAM)
marginClassification margins for generalized additive model (GAM)
edgeClassification edge for generalized additive model (GAM)
resubPredictClassify training data using trained classifier
resubLossResubstitution classification loss
resubMarginResubstitution classification margin
resubEdgeResubstitution classification edge
kfoldPredictClassify observations in cross-validated classification model
kfoldLossClassification loss for cross-validated classification model
kfoldMarginClassification margins for cross-validated classification model
kfoldEdgeClassification edge for cross-validated classification model
kfoldfunCross-validate function for classification
compareHoldoutCompare accuracies of two classification models using new data
testckfoldCompare 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.