Main Content

一般化加法モデル

バイナリ分類用の一変量および二変量形状関数から構成される解釈可能なモデル

fitcgam を使用して、バイナリ分類用の一般化加法モデルを当てはめます。

一般化加法モデル (GAM) は、予測子の一変量および二変量形状関数の和を使用してクラス スコア (クラス確率のロジット) を説明する解釈可能なモデルです。fitcgam では、各予測子および必要に応じて予測子の各ペアの形状関数としてブースティング木を使用するため、予測子と応答変数の間の非線形関係を取得できます。予測 (分類スコア) に対する個々の形状関数の寄与が十分に分離されるため、このモデルは解釈が容易です。

オブジェクト

ClassificationGAMバイナリ分類用の一般化加法モデル (GAM) (R2021a 以降)
CompactClassificationGAMバイナリ分類用のコンパクトな一般化加法モデル (GAM) (R2021a 以降)
ClassificationPartitionedGAM分類用の交差検証済みの一般化加法モデル (GAM) (R2021a 以降)

関数

すべて展開する

fitcgamバイナリ分類用の一般化加法モデル (GAM) の当てはめ (R2021a 以降)
compact機械学習モデルのサイズの縮小
crossval機械学習モデルの交差検証
templateGAMGeneralized additive model (GAM) learner template (R2023b 以降)
addInteractions一変量の一般化加法モデル (GAM) への交互作用項の追加 (R2021a 以降)
resume一般化加法モデル (GAM) の学習の再開 (R2021a 以降)
limeLocal Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
partialDependence部分依存の計算 (R2020b 以降)
permutationImportancePredictor importance by permutation (R2024a 以降)
plotLocalEffects一般化加法モデル (GAM) 内の項の局所的効果のプロット (R2021a 以降)
plotPartialDependence部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
shapleyシャープレイ値 (R2021a 以降)
predict一般化加法モデル (GAM) を使用した観測値の分類 (R2021a 以降)
loss一般化加法モデル (GAM) の分類損失 (R2021a 以降)
margin一般化加法モデル (GAM) の分類マージン (R2021a 以降)
edge一般化加法モデル (GAM) の分類エッジ (R2021a 以降)
resubPredict学習済み分類器を使用した学習データの分類
resubLoss再代入分類損失
resubMargin再代入分類マージン
resubEdge再代入分類エッジ
kfoldPredict交差検証済み分類モデルの観測値の分類
kfoldLoss交差検証済み分類モデルの分類損失
kfoldMargin交差検証済み分類モデルの分類マージン
kfoldEdge交差検証済み分類モデルの分類エッジ
kfoldfun分類での関数の交差検証
compareHoldout新しいデータを使用して 2 つの分類モデルの精度を比較
testckfold交差検証の反復により 2 つの分類モデルの精度を比較

トピック