广义典型相关分析_数学建模/机器学习：广义加性模型(GAM)及其Python实现

笔者做过国赛也做过美赛，其中一类典型问题就是分析相关性，从而进行预测或者其他操作。这类问题通常情况下属于比较常规的问题，一般通过matlab或SPSS分析相关性，得到一个较好的数值即可。

然而有的时候不论取哪两个或者哪几个变量，相关性都弱得令人发指，以至于无法昧着良心继续煞有介事地絮叨他们之间的相关性，这个时候，如果变量较多，可以考虑广义相加模型，实质是分析因变量与多个自变量之间的相关性。目前国内网站只有R语言实现，在此笔者将为大家补充Python对GAM的实现。

以2020年MCM的problem a为例，鱼群的分布，或者说某一时间某一地点鱼的种群数量和纬度/经度/水温其实都没有特别强的相关性，甚至可以说很弱，那么这个时候，如果还想通过其他变量预测2070年鱼群的分布便不能用简单的相关。

在一篇1997年的文献《Trends in abundance and geographic distribution of North Sea herring in relation to environmental factors》中，作者Christos D. Maravelias为我们提供的这一思路非常值得借鉴。