数据挖掘与统计计算：非线性模型及其应用.pptxVIP

第7章非线性模型;标准线性回归在预测能力上可能存在显著的局限性。这是因为线性假设几乎总是一种近似，有时甚至是一种很差的近似。

在本章中，我们在保持尽可能多的可解释性的同时，放宽线性假设。我们通过考察线性模型的一些非常简单的扩展，例如多项式回归和分段函数，以及更复杂的方法，如样条、局部回归和广义可加模型来实现这一点。;7.1多项式回归;4/27/2023;7.2分段函数;4/27/2023;7.3基函数;;7.4回归样条

7.4.1分段多项式;;7.4.2约束与样条;7.4.3样条的基函数表示;;;7.4.4选择结点的数量和位置;7.4.5与多项式回归的比较;;7.5平滑样条

7.5.1平滑样条概述;;7.5.2选择平滑参数;;7.6局部回归;;7.7广义可加模型;7.7.1用于回归问题的GAM;使用平滑样条拟合GAM并不像使用自然样条拟合GAM那么简单，因为在平滑样条的情况下，不能使用最小二乘法。然而，标准软件如R中的gam()函数可以通过一种称为后向拟合的方法使用平滑样条来拟合GAM。

;7.7.2用于分类问题的GAM;Code:PolynomialRegressionandStepFunctions;Code:CubicSplines;Code:naturalCubicSplines;Code:Smooth