这本书是关于使用位置、比例和形状的广义相加模型(GAMLSS)从数据中学习。GAMLSS扩展了广义线性模型(GLM)和广义加法模型(GAM),以适应日益流行的大型复杂数据集。
特别是,GAMLSS统计框架使灵活的回归和平滑模型能够适应数据。GAMLSS模型假设响应变量具有任何参数(连续、离散或混合)分布,这些分布可能是重尾或轻尾的,并且是正偏或负偏的。此外,分布的所有参数(位置、规模、形状)都可以建模为解释变量的线性或平滑函数。
主要功能:
- 提供了灵活的回归和平滑技术的广泛概述,以从数据中学习,同时还重点介绍了在R中使用GAMLSS软件的方法的实际应用。
- 包括真实数据示例的全面收集,这些示例反映了GAMLSS模型所解决的一系列问题,并提供了使用灵活的GAMLSS模型进行统计学习的过程的实际说明。
- R代码集成到文本中,便于理解和复制。
- 由一个包含代码、数据和额外材料的网站进行补充。
本书旨在帮助读者了解如何从许多领域中遇到的数据中学习。对于希望理解和使用GAMLSS模型从数据中学习的从业者和研究人员以及希望通过实际示例学习GAMLSS的学生来说,这将非常有用。