Basfunktioner och utjämning

Icke-linjär modellering med Generalized Additive Models (GAMs) i R

Noam Ross

Senior Research Scientist, EcoHealth Alliance

Rätt anpassning

  • Nära datan (undviker underanpassning)
  • Ignorerar bruset (undviker överanpassning)
Icke-linjär modellering med Generalized Additive Models (GAMs) i R

Balansera krokighet

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

Icke-linjär modellering med Generalized Additive Models (GAMs) i R

Välja rätt utjämningsparameter

Icke-linjär modellering med Generalized Additive Models (GAMs) i R

Syntax för utjämning

Ange en fast utjämningsparameter

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

Utjämning via restricted maximum likelihood

gam(y ~ s(x), data = dat, method = "REML")
Icke-linjär modellering med Generalized Additive Models (GAMs) i R

Antal basfunktioner

Icke-linjär modellering med Generalized Additive Models (GAMs) i R

Syntax för basfunktioner

Ange antal basfunktioner

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

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

Använd standardvärden

gam(y ~ s(x), data = dat, method = "REML")
Icke-linjär modellering med Generalized Additive Models (GAMs) i R

Nu kör vi en övning!

Icke-linjär modellering med Generalized Additive Models (GAMs) i R

Preparing Video For Download...