Main Content

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 (R2021a 이후)
CompactClassificationGAMCompact generalized additive model (GAM) for binary classification (R2021a 이후)
ClassificationPartitionedGAMCross-validated generalized additive model (GAM) for classification (R2021a 이후)

함수

모두 확장

fitcgamFit generalized additive model (GAM) for binary classification (R2021a 이후)
compactReduce size of machine learning model
crossvalCross-validate machine learning model
templateGAMGeneralized additive model (GAM) learner template (R2023b 이후)
addInteractionsAdd interaction terms to univariate generalized additive model (GAM) (R2021a 이후)
resumeResume training of generalized additive model (GAM) (R2021a 이후)
limeLocal interpretable model-agnostic explanations (LIME) (R2020b 이후)
partialDependenceCompute partial dependence (R2020b 이후)
permutationImportancePredictor importance by permutation (R2024a 이후)
plotLocalEffectsPlot local effects of terms in generalized additive model (GAM) (R2021a 이후)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapleyShapley values (R2021a 이후)
predictClassify observations using generalized additive model (GAM) (R2021a 이후)
lossClassification loss for generalized additive model (GAM) (R2021a 이후)
marginClassification margins for generalized additive model (GAM) (R2021a 이후)
edgeClassification edge for generalized additive model (GAM) (R2021a 이후)
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