Tag Archives: GAM

R语言用GAM广义相加模型研究公交专用道对行程时间变异度数据的影响

By tecdat11月 23, 2022地理，运输，旅行和物流, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学与技术GAM, 公交, 广义相加模型, 行程

WeChat Tencent QQ email print 由Kaizong Ye，Weilong Zhang

Read More

R语言淮河流域水库水质数据相关性分析、地理可视化、广义相加模型GAM调查报告

By tecdat10月 17, 2022农业, 可视化和设计, 地理，运输，旅行和物流, 大数据部落, 数理统计, 生态学, 计算机科学与技术GAM, 地理可视化, 广义相加模型, 水库, 水质, 淮河流域, 相关性, 相关性分析

采样地点：淮河流域一带，昭平台水库、白龟山水库、燕山水库、石漫滩水库、板桥水库、宿鸭湖水库、博山水库、南湾水库、石山口水库、五岳水库、泼河水库、鲶鱼山水库。

R语言对airbnb数据nlp文本挖掘、词云可视化、回归GAM模型、交叉验证分析

By tecdat7月 28, 2022可视化和设计, 大数据部落, 技术支持, 数理统计, 计算机科学与技术airbnb, GAM, nlp, 交叉验证, 回归, 文本挖掘, 词云

数据量大，数据要进行清洗以及预处理，同时要多方面可视化，要探索多变量对因变量的影响。

R语言惩罚逻辑回归、线性判别分析LDA、广义加性模型GAM、多元自适应回归样条MARS、KNN、二次判别分析QDA、决策树、随机森林、支持向量机SVM分类优质劣质葡萄酒十折交叉验证和ROC可视化

By tecdat6月 27, 2022大数据部落, 数理统计, 计算机科学与技术GAM, knn, LDA, MARS, QDA, svm, 二次判别分析, 交叉验证, 决策树, 判别分析, 十折交叉验证, 回归, 多元自适应回归样条, 广义加性模型, 支持向量机, 线性判别分析, 葡萄酒, 逻辑回归, 随机森林

数据包含有关葡萄牙“Vinho Verde”葡萄酒的信息。该数据集有1599个观测值和12个变量，分别是固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH值、硫酸盐、酒精和质量。

R语言广义相加（加性）模型（GAMs）与光滑函数可视化

By tecdat8月 20, 2021可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术GAM, GAMs, 光滑函数, 可视化, 广义加性模型, 广义相加模型

我们在研究工作中使用广义加性模型（GAMs）。mgcv软件包是一套优秀的软件，可以为非常大的数据集指定、拟合和可视化GAMs。

R语言用普通最小二乘OLS，广义相加模型GAM ，样条函数进行逻辑回归LOGISTIC分类

By tecdat3月 15, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术GAM, Logistic, ols, R语言, 分类, 广义相加模型, 标准最小二乘, 样条函数, 逻辑回归

本文我们对逻辑回归和样条曲线进行介绍。

R语言广义相加模型 (GAMs)分析预测CO2时间序列数据

By tecdat3月 9, 2021医药, 大数据部落, 数理统计, 机器学习, 计算机科学与技术CO2, GAM, R语言, 广义相加模型, 数据, 预测

环境科学中的许多数据不适合简单的线性模型，最好用广义相加模型（GAM）来描述。<

R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归

By tecdat3月 8, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术GAM, ols, R语言, 广义相加模型, 普通最小二乘

这篇文章探讨了为什么使用广义相加模型 是一个不错的选择。为此，我们首先需要看一下线性回归，看看为什么在某些情况下它可能不是最佳选择。

R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量

By tecdat12月 18, 2020大数据部落, 数理统计, 计算机科学与技术GAM, Poisson, R语言, 回归, 样条曲线, 泊松, 泊松Poisson回归, 预测

我根据泊松Poisson回归、GAM样条曲线模型对一个十字路口的骑自行车者的数量进行预测

R语言分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测

By tecdat12月 15, 2020大数据部落, 数理统计, 机器学习, 机械工程及自动化, 电气工程及自动化, 计算机科学与技术GAM, R语言, SARIMA, SARIMAX, 分位数回归, 回归, 指数平滑, 时间序列, 样条曲线, 电力负荷, 预测

电力负荷预测是电网规划的基础，其水平的高低将直接影响电网规划质量的优劣。

广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者

By tecdat12月 8, 2020大数据部落, 数理统计, 机器学习, 计算机科学与技术GAM, glm, R语言, 广义可加模型, 广义线性模型, 泰坦尼克号, 预测

本文通过R语言建立广义线性模型(GLM)、多项式回归和广义可加模型（GAM）来预测谁在1912年的泰坦尼克号沉没中幸存下来。

R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分析保险资金投资组合信用风险敞口

By tecdat6月 18, 2020保险, 大数据部落, 数理统计, 经济, 计算机科学与技术, 金融GAM, glm, R语言, 保险, 信用风险敞口, 回归, 投资组合, 线性模型

在之前的课堂上，我们已经看到了如何可视化多元回归模型（带有两个连续的解释变量）。

R语言里的非线性模型：多项式回归、局部样条、平滑样条、 广义相加模型GAM分析

By tecdat12月 20, 2019大数据部落, 数理统计, 计算机科学与技术GAM, R语言, 回归, 多项式, 多项式回归, 局部样条, 平滑样条, 广义加性模型, 广义相加模型, 样条, 非线性, 非线性模型

在这里，我们放宽了流行的线性技术的线性假设。

在r语言中使用GAM（广义相加模型）进行电力负荷时间序列分析

By tecdat11月 26, 20191 comment大数据部落, 数理统计, 机器学习, 计算机科学与技术GAM, R语言, 广义加法模型, 广义相加模型, 时间序列, 电力负荷, 电力负荷预测

在绘制的时间序列中可以看到两个主要的季节性：每日和每周。我们在一天中有48个测量值，在一周中有7天，因此这将是我们用来对响应变量进行建模的自变量–电力负荷。

R语言对用电负荷时间序列数据进行K-medoids聚类建模和广义加性/相加模型（GAM）回归

By tecdat8月 1, 2019大数据部落, 数理统计, 机械工程及自动化, 电气工程及自动化, 计算机科学与技术GAM, K-medoids, R语言, 回归, 广义加性/相加模型, 时间序列, 用电负荷, 聚类

通过对用电负荷进行聚类，我们可以提取典型负荷曲线，提高随后的用电量预测的准确性。

Python用广义加性模型GAM进行时间序列分析

By tecdat8月 1, 2019大数据部落, 数理统计, 计算机科学与技术GAM, python, 广义加性模型, 时间序列

每当你发现一个与时间对应的趋势时，你就会看到一个时间序列。

R语言GAM（广义相加模型）对物业耗电量进行预测

By tecdat7月 23, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术GAM, R语言, 广义相加模型, 时间序列, 耗电量, 预测

我已经准备了一个文件，其中包含四个用电时间序列来进行分析。数据操作将由data.table程序包完成。