基底関数と平滑化

Rで学ぶGeneralized Additive Models (GAMs) による非線形モデリング

Noam Ross

Senior Research Scientist, EcoHealth Alliance

適切な適合を得る

$$\LARGE \text{適合} = \text{尤度} - \lambda \times \text{複雑さ}$$

固定の平滑化パラメータを指定する

gam(y ~ s(x), data = dat, sp = 0.1)
gam(y ~ s(x, sp = 0.1), data = dat)

制限付き最尤法による平滑化

gam(y ~ s(x), data = dat, method = "REML")

基底関数の数を指定する

gam(y ~ s(x, k = 3), data = dat, method = "REML")

gam(y ~ s(x, k = 10), data = dat, method = "REML")

デフォルトを使用する

gam(y ~ s(x), data = dat, method = "REML")

Rで学ぶGeneralized Additive Models (GAMs) による非線形モデリング