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.