plotPartialDependence
创建部分依赖图(PDP)和个人条件期望(ICE)情节
语法
描述
plotPartialDependence (___,
使用附加选项指定一个或多个名称-值对参数除了任何参数在前面的语法。例如,如果您指定名称,值
)“有条件的”,“绝对”
,plotPartialDependence
函数创建一个图包括PDP,散点图的选择特性和预测反应,和一个冰情节观察。
例子
输入参数
输出参数
更多关于
算法
plotPartialDependence
使用一个预测
函数来预测反应。plotPartialDependence
选择适当的预测
函数根据Mdl
并运行预测
默认设置。对每个细节预测
功能,请参见预测
如下表函数。如果Mdl
是一个基于树模型和“条件”
是“没有”
,然后plotPartialDependence
使用加权算法遍历而不是预测
函数。有关详细信息,请参见加权算法遍历。
训练有素的模型类型 | 回归模型对象 | 函数来预测反应 |
---|---|---|
引导聚合合奏的决策树 | CompactTreeBagger |
预测 |
引导聚合合奏的决策树 | TreeBagger |
预测 |
整体的回归模型 | RegressionEnsemble ,RegressionBaggedEnsemble ,CompactRegressionEnsemble |
预测 |
高斯过程回归 | RegressionGP ,CompactRegressionGP |
预测 |
广义线性混合效应模型 | GeneralizedLinearMixedModel |
预测 |
广义线性模型 | GeneralizedLinearModel ,CompactGeneralizedLinearModel |
预测 |
线性混合效应模型 | LinearMixedModel |
预测 |
线性回归 | LinearModel ,CompactLinearModel |
预测 |
对高维数据线性回归 | RegressionLinear |
预测 |
非线性回归 | NonLinearModel |
预测 |
回归树 | RegressionTree ,CompactRegressionTree |
预测 |
金宝app支持向量机回归 | RegressionSVM ,CompactRegressionSVM |
预测 |
引用
[1]弗里德曼,j . h .“贪婪的函数近似:梯度提高机器。”统计年报。5号卷。29日,2001年,页1189 - 1232。
Goldstein [2]。,A. Kapelner, J. Bleich, and E. Pitkin. “Peeking inside the black box: Visualizing statistical learning with plots of individual conditional expectation.”计算和图形统计杂志》上。24卷,No . 1, 2015, pp。44 - 65。
[3]Hastie, T。,R. Tibshirani, and J. H. Friedman.统计学习的元素。纽约:施普林格,2001年。