or
Ця вправа є частиною курсу
У цьому розділі ви дізнаєтеся, як працюють узагальнені адитивні моделі, і як використовувати гнучкі, нелінійні функції, щоб моделювати дані без перенавчання. Ви навчитеся використовувати функцію gam() з пакета mgcv і будувати багатовимірні моделі, що поєднують у даних нелінійні, лінійні та категоріальні ефекти.
Поточна вправа
У цьому розділі ви детальніше розглянете моделі, які побудували в розділі 1, і навчитеся їх інтерпретувати та пояснювати. Ви створите графіки, що показують, як різні змінні впливають на результати моделі. Далі ви діагностуватимете проблеми, спричинені недонавчанням моделі або прихованими зв'язками між змінними, і поетапно виправлятимете їх, щоб отримати кращі результати.
У цьому розділі ви розширите типи моделей до таких, що містять взаємодії кількох змінних. Ви побудуєте моделі для геопросторових даних, використовуючи ці взаємодії для моделювання складних поверхонь, і візуалізуєте ці поверхні у 3D. Потім ви дізнаєтеся про взаємодії між гладкими та категоріальними змінними та про те, як моделювати взаємодії між дуже різними змінними, як-от простір і час.
У перших трьох розділах ви використовували GAM для регресії безперервних результатів. У цьому розділі ви застосуєте GAM для класифікації. Ви побудуєте логістичні GAM, щоб передбачати бінарні результати, наприклад поведінку покупців; навчитеся візуалізувати цей новий тип моделі, робити прогнози та пояснювати змінні, що впливають на кожне передбачення.