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

W tym rozdziale przyjrzysz się bliżej modelom zbudowanym w rozdziale 1 i nauczysz się je interpretować oraz objaśniać. Dowiesz się, jak tworzyć wykresy pokazujące wpływ poszczególnych zmiennych na wyniki modelu. Następnie zdiagnozujesz problemy wynikające z niedopasowania danych lub ukrytych zależności między zmiennymi, a także nauczysz się iteracyjnie je naprawiać i uzyskiwać lepsze wyniki.

W tym rozdziale rozszerzysz repertuar budowanych modeli o takie, które uwzględniają interakcje między wieloma zmiennymi. Dopasowujesz modele do danych geoprzestrzennych, używając tych interakcji do modelowania złożonych powierzchni, i wizualizujesz je w trzech wymiarach. Następnie poznasz interakcje między zmiennymi gładkimi a kategorycznymi oraz nauczysz się modelować interakcje między bardzo różnymi zmiennymi, takimi jak przestrzeń i czas.

W pierwszych trzech rozdziałach używałeś GAM-ów do regresji zmiennych ciągłych. W tym rozdziale zastosujesz GAM-y do klasyfikacji. Zbudujesz logistyczne GAM-y do przewidywania wyników binarnych – takich jak decyzje zakupowe klientów – nauczysz się wizualizować ten nowy typ modelu, wykonywać predykcje i objaśniać zmienne wpływające na każdą z nich.