​R语言广义加性模型（generalized additive models,GAMs）：使用广义线性加性模型GAMs构建logistic回归

R语言广义加性模型（generalized additive models,GAMs）：使用广义线性加性模型GAMs构建logistic回归

目录

R语言广义加性模型（generalized additive models,GAMs）：使用广义线性加性模型GAMs构建logistic回归

#广义加性模型（GAM：Generalized Additive Model）有什么作用？

#广义加性模型（generalized additive models,GAMs)的必要性

#仿真数据（数据预处理）

#数据加载、划分并分别构建线性回归模型和广义线性加性模型GAMs、并比较线性模型和GAMs模型的性能

#可视化每个变量的样条函数、样条函数与变量与目标变量之间的平滑曲线比较、并进行多变量的归一化比较

#测试广义线性加性模型GAMs在测试集上的表现(防止过拟合)

#广义线性加性模型GAMs构建logistic回归

---

#广义加性模型（GAM：Generalized Additive Model）有什么作用？

讨论线性模型时，我们假设自变量x和因变量y之间为线性关系。实际上，在线性模型中，我们也可以通过引入多项式的方法拟合x和y之间的非线性关系。但我们只能在可以清楚地看到二者之间的关系时才能这样做，例如散点图显示y近似是x的二次函数。

然而，在许多情况下，我们从散点图中看到了非线性关系，但很难知晓它的形式。此外，在线性模型中，多项式系数的解释变得非常困难，降低了其实用性。

广义相加模型（GAM：Generalized Additive Model）提供了一种替代方法，它允许我们在预先不知晓因变量与自变量之间关系的情况下，使用非线性平滑项来拟合模型。