Bắt đầu ngayBắt đầu miễn phí

Dùng tham số làm trơn để tránh overfitting

Tham số làm trơn cân bằng giữa độ hợp lý (likelihood) và độ uốn lượn (wiggliness) để tối ưu độ khớp mô hình. Ở đây, bạn sẽ xem xét các tham số làm trơn và sẽ khớp các mô hình với những tham số làm trơn cố định khác nhau.

Bài tập này là một phần của khóa học

Mô hình hóa phi tuyến với Generalized Additive Models (GAMs) trong R

Xem khóa học

Hướng dẫn bài tập

  • Xem giá trị tham số làm trơn (\(\lambda\)) của mô hình gam_mod đã cho bằng cách trích xuất giá trị sp từ mô hình.
  • Khớp hai mô hình cho dữ liệu mcycle với accel là một hàm làm trơn của times và tham số làm trơn là:
    • 0.1
    • 0.0001
  • Trực quan hóa cả hai mô hình.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

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)
Chỉnh sửa và Chạy Mã