让我们来看看 mgcv 的 plot() 函数提供的不同可视化方案。
mgcv
plot()
您在上一个练习中构建的模型（mod2da）已在您的工作区中可用。
mod2da
本练习是课程的一部分
通过完成这段示例代码来试试这个练习。
# Contour plot ___(___, pages = 1)
在本章中，您将学习广义可加模型的工作方式，以及如何使用灵活的非线性函数来建模而不过拟合。您将学习使用 mgcv 包中的 `gam()` 函数，并构建将非线性、线性与分类效应相结合的多变量模型。
在本章中，您将回顾第 1 章中拟合的模型，并学习如何解读和解释它们。您将学会绘制图形，展示不同变量如何影响模型结果。随后，您将诊断因欠拟合或变量间隐藏关系而产生的模型问题，并学习如何迭代地修复这些问题以获得更好的结果。
在本章中，您将把可拟合的模型扩展到包含多个变量交互的情形。您将通过这些交互来对复杂曲面进行建模，从而拟合地理空间数据，并以 3D 方式可视化这些曲面。接着，您将学习平滑项与分类变量之间的交互，以及如何建模空间与时间等截然不同变量之间的交互。
当前练习
在前三章中，您使用 GAM 对连续结果进行回归。在本章中，您将把 GAM 用于分类。您将构建逻辑回归 GAM 来预测二元结果（例如用户购买行为），学习可视化这一新类型的模型、进行预测，并掌握如何解释影响每个预测的变量。