广义加性模型
由单变量和双变量形状函数组成的可解释模型用于回归
使用fitrgam
拟合回归的广义加性模型。
广义可加性模型(GAM)是一种可解释的模型,它使用预测因子的单变量和双变量形状函数的和来解释响应变量。fitrgam
使用增强树作为每个预测器的形状函数,并可选地,每对预测器;因此,该函数可以捕获预测器和响应变量之间的非线性关系。由于各个形状函数对预测(响应值)的贡献被很好地分离,模型易于解释。
对象
RegressionGAM |
广义可加性回归模型(GAM) |
CompactRegressionGAM |
回归的紧凑广义加性模型(GAM) |
RegressionPartitionedGAM |
交叉验证广义可加性回归模型(GAM) |
功能
主题
- 训练广义加性回归模型
训练一个具有最优参数的广义可加性模型(GAM),评估预测性能,并解释训练的模型。