.png){kind=icon}
返回
Explainable Linear and Generalized Linear Models by the Predictions Plot
.png){kind=icon}
PRE
AI
DOI：10.1080/00031305.2025.2539235.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多元线性回归是一种基本的统计工具，可生成包含输入变量、斜率和截距的预测公式。但真的容易看出哪些项具有最大影响，或解释为何特定案例的预测值异常高或低吗？为此，提出了所谓的预测图。其简单性使其易于解释，并整合了大量信息。其主要优点是它能解释预测公式的可解释性，而不依赖于公式是如何推导的。输入变量可以是数值型或分类型。它也能处理交互项，且模型可以是线性或广义线性的。还提出了另一种显示方式，用于以针对此场景定制的方式可视化预测项之间的相关性和协方差。
Keyword:
Effect size
Explainability
Linear prediction
Regression
Visualization
期刊
A
IF:
2.1
论文数:
61
被引数:
0
机构
.png){kind=icon}
查看更多内容