Modelo aditivo generalizado
Utilice fitcgam
para ajustar un modelo aditivo generalizado para clasificación binaria.
Un modelo aditivo generalizado (MAG) es un modelo interpretable que explica las puntuaciones de la clase (el logit de las probabilidades de la clase) mediante una suma de funciones de forma univariadas y bivariadas de los predictores. fitcgam
utiliza un árbol potenciado como función de forma para cada predictor y, de forma opcional, cada par de predictores; por tanto, la función puede obtener una relación no lineal entre un predictor y la variable de respuesta. Puesto que las contribuciones de cada una de las funciones de forma a la predicción (puntuación de clasificación) están bien separadas, el modelo es fácil de interpretar.
Objetos
ClassificationGAM | Generalized additive model (GAM) for binary classification (desde R2021a) |
CompactClassificationGAM | Compact generalized additive model (GAM) for binary classification (desde R2021a) |
ClassificationPartitionedGAM | Cross-validated generalized additive model (GAM) for classification (desde R2021a) |
Funciones
Temas
- Train Generalized Additive Model for Binary Classification
Train a generalized additive model (GAM) with optimal parameters, assess predictive performance, and interpret the trained model.