GAM 是由「基底函式」組成，這些函式共同構成模型中的平滑項。
你可以使用 coef() 函式從 GAM 模型物件中擷取迴歸係數。
coef()
擷取係數之後，請回答問題： 在這個模型中，組成平滑曲線的「基底函式」共有多少個係數？
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
# Extract the model coefficients ___
在本章中，你會學到廣義加法模型的運作方式，以及如何使用彈性且非線性的函式來建模，同時避免過度擬合。你會學會使用 mgcv 套件中的 `gam()` 函式，並建立可同時包含非線性、線性與類別效應的多變量模型。
當前練習
在本章中，你會更深入檢視第 1 章中擬合的模型，並學習如何解讀與說明它們。你會學會繪製圖表，呈現不同變數如何影響模型結果。接著，你會診斷模型中因為對資料擬合不足或變數之間潛在關係而產生的問題，並學習如何透過反覆修正來改善這些問題並取得更好的結果。
在本章中，你會將可擬合的模型類型擴展到包含多個變數交互作用的情形。你會利用這些交互作用來為地理空間資料建立模型，以刻劃複雜的曲面，並以 3D 視覺化這些曲面。接著，你會學習平滑項與類別變數之間的交互作用，以及如何為像空間與時間這類性質截然不同的變數建構交互作用模型。
在前 3 章中，你使用 GAM 來對連續型結果進行迴歸。在本章中，你將把 GAM 用於分類。你會建立羅吉斯 GAM 來預測像是顧客購買行為等二元結果，學習視覺化這種新型態的模型、進行預測，並學會說明影響每個預測的變數。