​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。
 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

statistics.insight

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值