구매 확률에 영향을 시각화하기

이전 레슨에서 만든 구매 행동 모델을 직접 그려 보고 해석해 보세요. log_mod2의 플롯을 여러 번에 걸쳐 개선하면서, 적합 스케일의 원시 플롯에서 시작해 해석이 더 자연스러운 반응 스케일의 플롯으로 옮겨 가겠습니다.

이전 연습 문제의 모델(log_mod2)이 작업 공간에 준비되어 있어요.

이 연습은 강의의 일부입니다

R로 배우는 Generalized Additive Models (GAMs): 비선형 모델링

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Plot on the log-odds scale
___

코드 편집 및 실행

이 연습은 강의의 일부입니다

R로 배우는 Generalized Additive Models (GAMs): 비선형 모델링

SkillTag.level.intermediateSkillTag.label

4.8+

무료로 강의 시작하기

이 챕터에서는 Generalized Additive Models의 작동 원리와, 과적합 없이 유연한 비선형 함수를 사용해 데이터를 모델링하는 방법을 배웁니다. mgcv 패키지의 gam() 함수를 사용하고, 비선형·선형·범주형 효과를 혼합한 다변량 모델을 구축하는 방법도 익힙니다.

Exercise 1: 소개 Exercise 2: 오토바이 충돌 데이터: 선형 접근 Exercise 3: 오토바이 충돌 데이터: 비선형 접근 Exercise 4: 비선형 함수의 구성 요소 Exercise 5: 기저함수와 스무딩 Exercise 6: 오토바이 모델의 복잡도 설정 Exercise 7: 과적합을 피하기 위한 매끄럽게 하기 매개변수 사용 Exercise 8: 복잡도와 스무딩 함께 다루기 Exercise 9: 다변량 GAM Exercise 10: 자동차 성능의 다변량 GAM Exercise 11: 자동차 성능 모델에 범주형 변수 추가하기 Exercise 12: 자동차 유형별 범주 수준별 스무스

이 챕터에서는 1장에서 적합한 모델을 더 깊이 살펴보고, 이를 해석하고 설명하는 방법을 배웁니다. 변수들이 모델 결과에 어떤 영향을 미치는지 보여 주는 플롯을 만들고, 데이터의 과소적합이나 변수 간 숨은 관계로 인해 발생하는 모델 문제를 진단한 뒤, 그 문제를 반복적으로 개선해 더 나은 결과를 얻는 방법을 익힙니다.

Exercise 1: GAM 결과 해석하기 Exercise 2: 유의성과 선형성 (I)Exercise 3: 유의성 및 선형성 (II)Exercise 4: GAM 시각화 Exercise 5: 오토바이 충돌 모델과 데이터 그리기 Exercise 6: 자동차 성능 변수 여러 개 그리기 Exercise 7: 자동차 성능의 불확실성 시각화 Exercise 8: gam.check()로 모델 점검하기 Exercise 9: 모형 진단 읽기 Exercise 10: 모델 진단으로 문제 해결하기 Exercise 11: 동시만곡성 확인하기 Exercise 12: auto 데이터의 전체 concurvity 살펴보기 Exercise 13: 자동차 변수 간 concurvity 살펴보기

이 챕터에서는 여러 변수의 상호작용을 포함한 모델로 확장합니다. 이러한 상호작용을 사용해 복잡한 표면을 모델링하여 지리공간 데이터를 적합하고, 그 표면을 3D로 시각화합니다. 이어서 연속형 평활(smooth) 변수와 범주형 변수 사이의 상호작용, 공간과 시간처럼 매우 다른 변수 간 상호작용을 모델링하는 방법을 배웁니다.

Exercise 1: 2차원 스무딩과 공간 데이터 Exercise 2: 네덜란드 토양 오염 모델링 Exercise 3: 토양 오염 예측에 더 많은 변수 추가하기 Exercise 4: GAM 상호작용 그리기와 해석하기 Exercise 5: 모형 표면 그리기 Exercise 6: 3D 플롯 사용자 지정 Exercise 7: 표면 플롯에서의 외삽 Exercise 8: 범주형-연속형 상호작용 시각화 Exercise 9: 토지 이용 유형별 토양 오염 Exercise 10: 토지 이용별 오염도 그리기 Exercise 11: 서로 다른 스케일 간 상호작용: 텐서 Exercise 12: 다중 스케일 상호작용을 포함한 오염 모델 Exercise 13: 다중 규모 상호작용 분리하기

첫 세 장에서는 연속형 결과에 대한 회귀를 위해 GAM을 사용했습니다. 이 챕터에서는 분류에 GAM을 사용합니다. 이진 결과(예: 고객의 구매 여부)를 예측하는 로지스틱 GAM을 구축하고, 이 새로운 유형의 모델을 시각화하며, 예측을 수행하고, 각 예측에 영향을 미치는 변수를 설명하는 방법을 배웁니다.

Exercise 1: 모델 결과의 유형 Exercise 2: 구매 행동 분류하기 Exercise 3: 여러 개의 스무스로 구매 행동 예측하기 Exercise 4: 로지스틱 GAM 시각화 Exercise 5: 구매 확률에 영향을 시각화하기

현재 연습

Exercise 6: 구매 효과 플롯 해석하기 (I)Exercise 7: 구매 효과 플롯 해석 (II)Exercise 8: 구매 효과 플롯 해석 (III)Exercise 9: 예측 만들기 Exercise 10: 구매 행동 예측과 불확실성 Exercise 11: 개별 행동 설명하기 Exercise 12: GAM을 더 폭넓게 활용하기