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.

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

Interpretar un modelo entrenado

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

`lime`	Local interpretable model-agnostic explanations (LIME)
`fit`	Fit simple model of local interpretable model-agnostic explanations (LIME)
`plot`	Plot results of local interpretable model-agnostic explanations (LIME)

Valores de Shapley

`shapley`	Shapley values
`fit`	Compute Shapley values for query point
`plot`	Plot Shapley values

Dependencia parcial

`partialDependence`	Compute partial dependence
`plotPartialDependence`	Create partial dependence plot (PDP) and individual conditional expectation (ICE) plots

Entrenar un modelo interpretable

`fitlm`	Ajustar un modelo de regresión lineal
`fitrgam`	Fit generalized additive model (GAM) for regression
`fitrlinear`	Fit linear regression model to high-dimensional data
`fitrtree`	Fit binary decision tree for regression

Objetos

`LinearModel`	Linear regression model
`RegressionGAM`	Generalized additive model (GAM) for regression
`RegressionLinear`	Linear regression model for high-dimensional data
`RegressionTree`	Regression tree

Temas

Interpretación de modelos

Interpret Machine Learning Models
Explain model predictions using the lime and shapley objects and the plotPartialDependence function.
Shapley Values for Machine Learning Model
Compute Shapley values for a machine learning model using interventional algorithm or conditional algorithm.
Introduction to Feature Selection
Learn about feature selection algorithms and explore the functions available for feature selection.
Interpret Regression Models Trained in Regression Learner App
Determine how features are used in trained regression models by using partial dependence plots.

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.