Anlamlılık ve doğrusallık (II)

Aynı modele (mod_city4) bakarak, hangi smooth terim hem anlamsız hem de doğrusal olmayan?

mod_city4 çalışma alanında mevcut.

Bu egzersiz, kursun bir parçasıdır

R ile Genelleştirilmiş Katkılı Modeller (GAM'ler) ile Doğrusal Olmayan Modelle

Kursa Göz Atın

Uygulamalı etkileşimli egzersiz

Teoriyi etkileşime dönüştürün, interaktif egzersizlerimizden biriyle

Egzersize başla

Bu egzersiz, kursun bir parçasıdır

R ile Genelleştirilmiş Katkılı Modeller (GAM'ler) ile Doğrusal Olmayan Modelle

IntermediárioNível de habilidade

4.8+

Kursa Ücretsiz Başla

Bu bölümde, Genelleştirilmiş katkılı modellerin nasıl çalıştığını ve verileri aşırı uydurmadan modellemek için esnek, doğrusal olmayan fonksiyonların nasıl kullanılacağını öğreneceksin. mgcv paketindeki gam() fonksiyonunu kullanmayı ve doğrusal olmayan, doğrusal ve kategorik etkileri bir araya getiren çok değişkenli modeller kurmayı öğreneceksin.

Exercise 1: Giriş Exercise 2: Motosiklet kaza verisi: doğrusal yaklaşım Exercise 3: Motosiklet kaza verileri: doğrusal olmayan yaklaşım Exercise 4: Doğrusal olmayan fonksiyonun parçaları Exercise 5: Temel fonksiyonlar ve yumuşatma Exercise 6: Motosiklet modelinin karmaşıklığını ayarlama Exercise 7: Aşırı uyumu önlemek için düzeltme parametrelerini kullanma Exercise 8: Karmaşıklık ve düzeltmeyi birlikte kullanma Exercise 9: Çok Değişkenli GAM'ler Exercise 10: Otomobil performansının çok değişkenli GAM'leri Exercise 11: Oto performans modeline kategorik değişken ekleme Exercise 12: Farklı araç tipleri için kategori düzeyinde düzgünlükler

Bu bölümde, 1. bölümde kurduğun modelleri daha yakından inceleyip onları nasıl yorumlayıp açıklayacağını öğreneceksin. Farklı değişkenlerin model sonuçlarını nasıl etkilediğini gösteren grafikler oluşturmayı öğreneceksin. Ardından, veriyi yetersiz modellemekten veya değişkenler arasındaki gizli ilişkilerden kaynaklanan model sorunlarını teşhis edip bu sorunları yinelemeli olarak nasıl düzelteceğini ve daha iyi sonuçlar elde edeceğini göreceksin.

Exercise 1: GAM çıktılarının yorumlanması Exercise 2: Anlamlılık ve doğrusallık (I)Exercise 3: Anlamlılık ve doğrusallık (II)

Geçerli egzersiz

Exercise 4: GAM'leri görselleştirme Exercise 5: Motosiklet kazası modelini ve verilerini görselleştirme Exercise 6: Birden çok otomobil performans değişkenini görselleştirme Exercise 7: Oto performansı belirsizliğini görselleştirme Exercise 8: gam.check() ile model kontrolü Exercise 9: Model tanılama sonuçlarını okuma Exercise 10: Model tanılarıyla sorunları düzeltme Exercise 11: Eğrisellik eşgüdümünü kontrol etme Exercise 12: Oto verilerinde genel eşeğrililiği inceleme Exercise 13: Oto değişkenleri arasındaki konkürviteyi inceleme

Bu bölümde, birden çok değişkenin etkileşimlerini içeren modellere doğru kapsamını genişleteceksin. Bu etkileşimleri kullanarak karmaşık yüzeyleri modelleyip bu yüzeyleri 3B olarak görselleştirerek jeo-uzamsal verilerin modellerini kuracaksın. Ardından, düzgünleştiriciler ile kategorik değişkenler arasındaki etkileşimleri ve uzay ile zaman gibi çok farklı değişkenlerin etkileşimlerini nasıl modelleyeceğini öğreneceksin.

Exercise 1: İki boyutlu düzgünleştirmeler ve mekânsal veriler Exercise 2: Hollanda'da toprak kirliliğinin modellenmesi Exercise 3: Toprak kirliliğini tahmin etmek için daha fazla değişken ekleme Exercise 4: GAM etkileşimlerini görselleştirme ve yorumlama Exercise 5: Model yüzeyini görselleştirme Exercise 6: 3B grafikleri özelleştirme Exercise 7: Yüzey grafiklerinde ekstrapolasyon Exercise 8: Kategorik-sürekli etkileşimleri görselleştirme Exercise 9: Farklı arazi kullanımlarında toprak kirliliği Exercise 10: Farklı arazi kullanımlarında kirliliği görselleştirme Exercise 11: Farklı ölçeklerle etkileşimler: Tensörler Exercise 12: Çok ölçekli etkileşimlerle kirlilik modelleri Exercise 13: Çok ölçekli etkileşimleri ayırma

İlk üç bölümde, GAM’leri sürekli sonuçların regresyonu için kullandın. Bu bölümde, GAM’leri sınıflandırma için kullanacaksın. Müşteri satın alma davranışı gibi ikili sonuçları tahmin etmek için lojistik GAM’ler kuracak, bu yeni model türünü nasıl görselleştireceğini öğrenecek, tahminler yapacak ve her bir tahmini etkileyen değişkenleri nasıl açıklayacağını göreceksin.

Exercise 1: Model çıktı türleri Exercise 2: Satın alma davranışını sınıflandırma Exercise 3: Birden çok smooth ile satın alma davranışı Exercise 4: Lojistik GAM'leri görselleştirme Exercise 5: Satın alma olasılığı üzerindeki etkileri görselleştirme Exercise 6: Satın alma etki grafiklerini yorumlama (I)Exercise 7: Satın alma etki grafiklerini yorumlama (II)Exercise 8: Satın alma etki grafikleri nasıl yorumlanır (III)Exercise 9: Tahmin yapma Exercise 10: Satın alma davranışı ve belirsizliği tahmin etme Exercise 11: Bireysel davranışları açıklama Exercise 12: GAM’lerle daha fazlasını yapmak