R 中的广义可加模型（GAM）非线性建模

广义可加模型既适用于预测也适用于推断，功能强大。它比线性模型更灵活，又比黑盒方法更易理解。GAM 将数据中的关系建模为非线性函数，可高度适应不同类型的数据与数据科学问题。本课程将带您理解 GAM 的工作原理，并使用流行的 mgcv 包构建模型。您将学习如何解读、解释和可视化模型结果，以及如何诊断并修复模型问题。课程将配合多个数据集，展示如何在不同场景中应用 GAM：基于汽车性能数据构建线性与非线性混合模型，基于土壤污染数据构建地理空间模型，以及基于消费者购买数据完成分类与预测。完成本课程后，您将掌握一套可用于解决多种数据科学问题的工具。