GAM ile soya büyümesini modelle
Bu egzersizde, bir soya bitkisindeki ortalama yaprak ağırlığını zamanın (ekimden sonra) bir fonksiyonu olarak modelleyeceksin. Göreceğin gibi, soya bitkisi sabit bir hızda büyümez; bunun yerine bir "büyüme atağı" yaşar ve sonra yavaşlar. Bu yüzden yaprak ağırlığı doğrusal bir modelle iyi açıklanmaz.
Bir formülde, doğrusal olmayan şekilde modellemek istediğin değişkeni s() (docs) fonksiyonuyla belirtebileceğini unutma:
y ~ s(x)
Ayrıca mgcv paketindeki gam() (docs) fonksiyonunun çağrı arayüzünün
gam(formula, family, data)
olduğunu hatırla.
Standart regresyon için family = gaussian kullan (varsayılan).
Soya eğitim verisi soybean_train önceden yüklendi. İki sütunu var: çıktı weight ve değişken Time. Karşılaştırma için, weight ~ Time formülüyle uydurulmuş doğrusal model model.lin de yüklendi.
Bu egzersiz, kursun bir parçasıdır
R'de Supervised Learning: Regresyon
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# soybean_train is available
summary(soybean_train)
# Plot weight vs Time (Time on x axis)
ggplot(soybean_train, aes(x = ___, y = ___)) +
geom_point()