训练一个单变量广义加性分类模型，该模型包含预测因子的线性项。使用内存高效模型对象对新观察结果进行分类。方法解释指定数据实例的预测plotLocalEffects函数。

加载电离层数据集。该数据集有34个预测器和351个雷达返回二进制响应，坏的(“b”)或好(‘g’）.

负载电离层

训练一个单变量GAM来识别雷达返回是否坏(“b”)或好(‘g’）.

Mdl = fitcgam (X, Y);

Mdl是一个ClassificationGAM模型对象。

通过减小经过训练的模型的大小来保存内存。

CMdl =紧凑(Mdl);

对训练数据的第一次观察结果进行分类，并在图中绘制术语的局部效应Mdl在预测。

标签=预测(CMdl X (1,:))

标签=1 x1单元阵列{' g '}

: plotLocalEffects (CMdl X (1))

的预测函数对第一个观察结果进行分类X (1:)作为‘g’．的plotLocalEffects函数创建一个水平柱状图，显示10个最重要的术语对预测的局部影响。每个局部效应值显示了每个术语对分类分数的贡献‘g’，即分类的后验概率的logit‘g’的观察。

训练一个GAM的二元分类与线性和相互作用项的预测。使用模型中的线性项和交互项创建局部效应图，然后仅使用模型中的线性项创建一个图。指定在创建局部效果图时是否包含交互术语。

加载电离层数据集。该数据集有34个预测器和351个雷达返回二进制响应，坏的(“b”)或好(‘g’）.

负载电离层

使用预测器训练GAMX和类标签Y．推荐的做法是指定类名。指定包含10个最重要的交互术语。

Mdl = fitcgam (X, Y,“类名”, {“b”，‘g’}，“互动”10);

Mdl是一个ClassificationGAM模型对象。

为第10次观测创建局部效应图。同时使用线性和相互作用的术语Mdl对于第一个图，只使用线性项Mdl对于第二个情节。要排除交互术语，请指定“IncludeInteractions”,假的．

t = tiledlayout (2, 1);标题(t)“第十次观测的地方影响图”nexttile plotLocalEffects(Mdl,X(10，:)) title('带有线性和交互项的GAM '(Mdl) nexttile plotLocalEffects X (10:)“IncludeInteractions”、假)标题(“只有线性项的GAM”）

图中显示了10个最重要的术语。两个图都包含9个常见术语和1个不常见术语。第一个图包括交互项x1和x5，而第二个图包括的线性项x14英寸．

训练一个单变量GAM用于回归，其中包含线性项作为预测因子。方法解释指定数据实例的预测plotLocalEffects函数。

加载数据集NYCHousing2015．

负载NYCHousing2015

该数据集包括10个变量，包含2015年纽约市房产销售的信息。这个例子使用这些变量来分析销售价格(SALEPRICE）.

对数据集进行预处理。移除异常值，转换为datetime阵列(SALEDATE)到月份编号，并移动响应变量(SALEPRICE)到最后一栏。

idx = isoutlier (NYCHousing2015.SALEPRICE);NYCHousing2015 (idx:) = [];NYCHousing2015。SALEDATE＝month(NYCHousing2015.SALEDATE); NYCHousing2015 = movevars(NYCHousing2015,“SALEPRICE”，“后”，“SALEDATE”）;

显示表的前三行。

头(NYCHousing2015, 3)

区附近BUILDINGCLASSCATEGORY RESIDENTIALUNITS COMMERCIALUNITS LANDSQUAREFEET GROSSSQUAREFEET YEARBUILT SALEDATE SALEPRICE  _______ ____________ ____________________________ ________________ _______________ ______________ _______________ _________ ________ _________ 2{‘BATHGATE}{01一个家庭住宅的}1 0 4750 2619 1899 8 0 2{‘BATHGATE}{01一个家庭住宅的}1 0 4750 2619 1899 8 0 2{‘BATHGATE}{01一个家庭住宅的}1 1 1287 2528 1899 12 0

训练销售价格的单变量GAM。指定以下变量区，社区，BUILDINGCLASSCATEGORY,SALEDATE分类预测。

Mdl = fitrgam (NYCHousing2015,“SALEPRICE”，“CategoricalPredictors”，[1 2 3 9]);

Mdl是一个RegressionGAM模型对象。

的估计截距(常数)项Mdl．

Mdl。拦截

ans = 3.7518 e + 05

如果训练数据不包含，则拦截项值接近回归GAM中响应变量的平均值南值。计算响应变量的平均值。

意思是(NYCHousing2015.SALEPRICE)

ans = 3.7518 e + 05

预测第一次观察到的培训数据的销售价格，并在图中绘制条件的局部影响Mdl在预测。指定“IncludeIntercept”,真的将截距项包含在图中。

yFit =预测(Mdl NYCHousing2015 (1,:))

yFit = 4.4421 e + 05

plotLocalEffects (Mdl NYCHousing2015 (1:)“IncludeIntercept”,真正的)

的预测函数预测第一次观察的销售价格为4.4421 e5．的plotLocalEffects函数创建一个水平柱状图，其中显示术语的局部效果Mdl在预测。每个局部效应值显示了每一项对预测销售价格的贡献。