Main Content

La traducción de esta página está obsoleta. Haga clic aquí para ver la última versión en inglés.

Capacidad de interpretación

Entrene modelos de regresión interpretables e interprete modelos de regresión complejos

Emplee modelos de regresión interpretables por naturaleza, por ejemplo, modelos lineales, árboles de decisión y modelos aditivos generalizados, o utilice las funcionalidades de interpretación para interpretar modelos de regresión complejos que no son interpretables por naturaleza.

Para saber cómo interpretar modelos de regresión, consulte Interpret Machine Learning Models.

Funciones

expandir todo

Explicaciones independientes del modelo local interpretable (LIME, por sus siglas en inglés)

limeLocal interpretable model-agnostic explanations (LIME)
fitFit simple model of local interpretable model-agnostic explanations (LIME)
plotPlot results of local interpretable model-agnostic explanations (LIME)

Valores de Shapley

shapleyShapley values
fitCompute Shapley values for query point
plotPlot Shapley values

Dependencia parcial

partialDependenceCompute partial dependence
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
fitlmAjustar un modelo de regresión lineal
fitrgamFit generalized additive model (GAM) for regression
fitrlinearFit linear regression model to high-dimensional data
fitrtreeFit binary decision tree for regression

Objetos

LinearModelLinear regression model
RegressionGAMGeneralized additive model (GAM) for regression
RegressionLinearLinear regression model for high-dimensional data
RegressionTreeRegression tree

Temas

Interpretación de modelos

Interpret Machine Learning Models

Explain model predictions using lime, shapley, and plotPartialDependence.

Shapley Values for Machine Learning Model

Compute Shapley values for a machine learning model using two algorithms: kernelSHAP and the extension to kernelSHAP.

Introduction to Feature Selection

Learn about feature selection algorithms and explore the functions available for feature selection.

Modelos interpretables

Train Linear Regression Model

Train a linear regression model using fitlm to analyze in-memory data and out-of-memory data.

Train Generalized Additive Model for Regression

Train a generalized additive model (GAM) with optimal parameters, assess predictive performance, and interpret the trained model.

Train Regression Trees Using Regression Learner App

Create and compare regression trees, and export trained models to make predictions for new data.