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
#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。