7.8 Lab: Non-Linear Modeling
In this lab, we demonstrate some of the nonlinear models discussed in this chapter. We use the Wage data as a running example, and show that many of the complex non-linear fitting procedures discussed can easily be implemented in Python .
310 7. Moving Beyond Linearity
FIGURE 7.14. The same model is fit as in Figure 7.13, this time excluding the observations for which education is <HS . Now we see that increased education tends to be associated with higher salaries.
As usual, we start with some of our standard imports.
In [1]:importnumpyasnp,pandasaspd
frommatplotlib.pyplotimportsubplots
importstatsmodels.apiassm
fromISLPimportload_data
fromISLP.modelsimport(summarize,
poly,
ModelSpecasMS)
fromstatsmodels.stats.anovaimportanova_lm
We again collect the new imports needed for this lab. Many of these are developed specifically for the ISLP package.
In [2]:frompygamimport(sass_gam,
lasl_gam,
fasf_gam,
LinearGAM,
LogisticGAM)
fromISLP.transformsimport(BSpline,
NaturalSpline)
fromISLP.modelsimportbs,ns
fromISLP.pygamimport(approx_lam ,
degrees_of_freedom ,
plotasplot_gam,
anovaasanova_gam)
Sub-Chapters (하위 목차)
7.8.1 Polynomial Regression and Step Functions (수동형 다항식 스펙트럼 회귀 통계망 구축 및 계단식 가공 데이터 스텝 함수 변형 구간 실습 세선 구간)
연령 데이터 칼럼(Age)과 임금 인프라 요인(Wage) 간의 관련성에 poly(age, 4) 식과 같이 코드 포맷 함수를 투여하거나, 혹은 특정 나이 및 세대 층위를 구간 범주화 컷 함수 판별식으로 매핑 필터링하여 이산적 정보망 차원 제어로 모델을 생성합니다.
7.8.2 Splines (B-Splines 베이시스 함수 기초 기반 스플라인 조각 시각화 랩 과정 구간)
파이썬 기반 고급 회귀 팩토리 모형 추론 분석 파트 섹션에서 다변수 패키지로 1차 혹은 연속적으로 나눈 2차 이상 구간 인프라 매듭 지정점 스플라인 클래스 요소인 B-Spline 기반을 강제로 코딩 선언해주고 이가 나타내는 매끄러움을 추적 시각화로 그래픽 포인팅하는 플롯 차트 모델 구출 과정입니다.
7.8.3 Smoothing Splines and GAMs (페널티 기반 평활 최적 커브 스플라인 적합 팩터 및 고차원 구조 가법 통합 예측 모델 PyGAM 컴포넌트 실습 활용 구간)
자유도(Degree of Freedom) 강도 조율율 파라미터 값 설정에 따른 내부 모델 곡면 잔차 거친 분산 추적 조종 패럴렐 통계 방식이나, 모델 인덱스 내의 예측 변수 2~3개가 서로 다른 차수 비선형 스플라인 곡면 꼴로 더해지는 PyGAM 등 파생 고급 패키지의 내부 사용법을 코드 데이터로 직접 임베드 구현해 봅니다.
7.8.4 Local Regression (로컬 구역 변동 표본 회귀 구간 데이터 분석 조립 실습 파라미터 제어)
근거리 최적 로컬 이웃망의 데이터 스캐닝만 허용하는 Loess(Lowess) 평활화 타겟 수학 패키지 함수 모듈 등을 소환하여 사용자 예측 테스트 구간 목표 지점 근거리에 집중적으로 무게 추 가중치를 부여하는 등 국소 모델 선형 국면 피팅 파이썬 분석 실무 함수 제어기를 직접 구동해봅니다.