Aan de slagGa gratis aan de slag

Smoothingparameters gebruiken om overfitting te voorkomen

De smoothingparameter balanceert tussen likelihood en kronkeligheid om de modelpassing te optimaliseren. Hier bekijk je smoothingparameters en pas je modellen met verschillende vaste smoothingparameters.

Deze oefening maakt deel uit van de cursus

Niet-lineaire modellering met Generalized Additive Models (GAM's) in R

Cursus bekijken

Oefeninstructies

  • Bekijk de waarde van de smoothingparameter (\(\lambda\)) van het meegeleverde gam_mod-model door de sp-waarde uit het model te halen.
  • Pas twee modellen toe op de mcycle-data met accel als een vloeiende functie van times en een smoothingparameter van:
    • 0.1
    • 0.0001
  • Visualiseer beide modellen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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)
Code bewerken en uitvoeren