Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Modelo aditivo generalizado

Modelo interpretable compuesto por funciones de forma univariadas y bivariadas para regresión

Utilice fitrgam para ajustar un modelo aditivo generalizado para regresión.

Un modelo aditivo generalizado (MAG) es un modelo interpretable que explica una variable de respuesta mediante una suma de funciones de forma univariadas y bivariadas de los predictores. fitrgam 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 (valor de respuesta) están bien separadas, el modelo es fácil de interpretar.

Objetos

RegressionGAMGeneralized additive model (GAM) for regression (desde R2021a)
CompactRegressionGAMCompact generalized additive model (GAM) for regression (desde R2021a)
RegressionPartitionedGAMCross-validated generalized additive model (GAM) for regression (desde R2021a)

Funciones

expandir todo

fitrgamFit generalized additive model (GAM) for regression (desde R2021a)
compactReduce size of machine learning model
crossvalCross-validate machine learning model
templateGAMGeneralized additive model (GAM) learner template (desde R2023b)
addInteractionsAdd interaction terms to univariate generalized additive model (GAM) (desde R2021a)
resumeResume training of generalized additive model (GAM) (desde R2021a)
limeLocal interpretable model-agnostic explanations (LIME) (desde R2020b)
partialDependenceCompute partial dependence (desde R2020b)
plotLocalEffectsPlot local effects of terms in generalized additive model (GAM) (desde R2021a)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapleyShapley values (desde R2021a)
predictPredict responses using generalized additive model (GAM) (desde R2021a)
lossRegression loss for generalized additive model (GAM) (desde R2021a)
resubPredictPredict responses for training data using trained regression model
resubLossResubstitution regression loss
kfoldPredictPredict responses for observations in cross-validated regression model
kfoldLossLoss for cross-validated partitioned regression model
kfoldfunCross-validate function for regression

Temas