Voir la documentation de bartProbit
Calcule les marges prédictives en utilisant un modèle ajusté d'arbres de régression additifs bayésiens (BART). Cette action est particulièrement utile pour interpréter les modèles en évaluant l'effet moyen d'une ou plusieurs variables sur la prédiction, tout en maintenant les autres variables à leurs valeurs observées.
Erstellt eine Tabelle auf dem Server, die Ergebnisse aus der Bewertung von Beobachtungen unter Verwendung eines angepassten Bayes'schen additiven Regressionsbaum-Modells enthält.
The bartProbit action fits a probit Bayesian Additive Regression Trees (BART) model to data where the response variable is binary. This is particularly useful for classification problems where the outcome is one of two categories (e.g., yes/no, success/failure, 0/1). The probit model assumes that the binary outcome is the result of an unobserved continuous latent variable following a standard normal distribution. The BART model itself is a non-parametric, ensemble method that combines multiple simple regression trees to create a powerful predictive model, offering a flexible alternative to traditional parametric models.