Funkcje bazowe i wygładzanie

Nieliniowe modelowanie z użyciem uogólnionych modeli addytywnych (GAM) w R

Noam Ross

Senior Research Scientist, EcoHealth Alliance

Właściwe dopasowanie

  • Bliski danych (unikanie niedouczenia)
  • Niepasujący do szumu (unikanie przeuczenia)
Nieliniowe modelowanie z użyciem uogólnionych modeli addytywnych (GAM) w R

Równoważenie pofałdowania

$$\LARGE \text{Fit} = \text{Likelihood} - \lambda \times \text{Wiggliness}$$

Nieliniowe modelowanie z użyciem uogólnionych modeli addytywnych (GAM) w R

Wybór właściwego parametru wygładzania

Nieliniowe modelowanie z użyciem uogólnionych modeli addytywnych (GAM) w R

Składnia wygładzania

Ustawianie stałego parametru wygładzania

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

Wygładzanie metodą ograniczonej największej wiarygodności

gam(y ~ s(x), data = dat, method = "REML")
Nieliniowe modelowanie z użyciem uogólnionych modeli addytywnych (GAM) w R

Liczba funkcji bazowych

Nieliniowe modelowanie z użyciem uogólnionych modeli addytywnych (GAM) w R

Składnia funkcji bazowych

Ustawianie liczby funkcji bazowych

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

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

Użyj wartości domyślnych

gam(y ~ s(x), data = dat, method = "REML")
Nieliniowe modelowanie z użyciem uogólnionych modeli addytywnych (GAM) w R

Czas na ćwiczenia!

Nieliniowe modelowanie z użyciem uogólnionych modeli addytywnych (GAM) w R

Preparing Video For Download...