過学習を避けるための平滑化パラメータの活用
平滑化パラメータは、尤度と曲がりやすさのバランスを取り、モデル当てはまりを最適化します。ここでは、平滑化パラメータを確認し、固定した異なる平滑化パラメータでモデルを当てはめます。
この演習はコースの一部です
Rで学ぶGeneralized Additive Models (GAMs) による非線形モデリング
演習の手順
- 提供された
gam_modモデルからspの値を取り出し、平滑化パラメータ（$\lambda$）を確認します。 mcycleデータに対して、accelをtimesの平滑関数として、次の平滑化パラメータで2つのモデルを当てはめます：- 0.1
- 0.0001
- 両方のモデルを可視化します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
library(mgcv)
# Extract the smoothing parameter
gam_mod <- gam(accel ~ s(times), data = mcycle, method = "REML")
___
# Fix the smoothing parameter at 0.1
gam_mod_s1 <- gam(accel ~ s(times), data = mcycle, sp = ___)
# Fix the smoothing parameter at 0.0001
gam_mod_s2 <- gam(___)
# Plot both models
par(mfrow = c(2, 1))
plot(gam_mod_s1, residuals = TRUE, pch = 1)
plot(gam_mod_s2, residuals = TRUE, pch = 1)