다른 변수들은 모두 평균 수준이라고 가정할 때, 다음 중 어느 예측의 불확실성이 가장 큰가요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
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.
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.
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.
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.
현재 연습
