or
Это упражнение является частью курса
В этой главе вы узнаете, как работают обобщённые аддитивные модели, и научитесь использовать гибкие нелинейные функции для моделирования данных без переобучения. Вы освоите функцию gam() из пакета mgcv и научитесь строить многомерные модели, объединяющие нелинейные, линейные и категориальные эффекты.
Текущее упражнение
В этой главе вы подробнее рассмотрите модели, построенные в первой главе, и научитесь их интерпретировать и объяснять. Вы узнаете, как строить графики, отражающие влияние различных переменных на результаты модели. Затем вы научитесь выявлять проблемы, связанные с недообучением и скрытыми зависимостями между переменными, а также последовательно устранять их для получения более точных результатов.
В этой главе вы расширите спектр применяемых моделей, добавив взаимодействия нескольких переменных. Вы построите модели геопространственных данных, используя эти взаимодействия для описания сложных поверхностей, и визуализируете их в трёхмерном пространстве. Затем вы изучите взаимодействия между сглаженными и категориальными переменными, а также научитесь моделировать взаимодействия между существенно различающимися переменными — например, пространством и временем.
В первых трёх главах вы использовали GAM для регрессии непрерывных результатов. В этой главе вы познакомитесь с применением GAM для классификации. Вы построите логистические GAM для предсказания бинарных исходов — таких как поведение покупателей, — научитесь визуализировать этот тип моделей, делать прогнозы и объяснять влияние переменных на каждый прогноз.