gam相关内容
想要在 R 中使用 GAM 或 GAMM 查看多个变量对灰海豹丰度的影响(从我的理学硕士研究中收集的数据).我的响应变量是总计数,我有温度、风速的连续变量和月份、季节和潮汐(低/高)的分类变量. gam(YthanCount$Total~s(YthanCount$Temperature)+s(YthanCount$Windspeed) 上述模型适用于两个连续变量......但我通常不确
..
使用“fREML"和“REML"方法将相同的模型与 bam 拟合给了我接近的结果,但是解释的偏差与 summary.gam 返回的不同. “fREML"的数量是~3.5%(不好),而“REML"的数量是~50%(不是那么糟糕).怎么可能?哪一个是正确的? 很遗憾,我无法提供一个简单的可重现示例. #######################################方法=“f
..
我有一个结构如下的模型,我想在忽略随机效应的同时提取预测值.如?predict.gam 和此处所述,我正在使用 exclude 参数,但出现错误.我的错误在哪里? dt 解决方案 exclude 与您假设的方式不同.您仍然需要在 newd 中为 predict.gam 提供所有变量.请参阅我的此答案,了解 predict.gam 背后的内容. 这是您需要做的: ## 用变量 c2
..
我想通过 R 中的 plot_ly 包制作 3D 曲面图. 我有三个向量,包括 x、y 和 z 值,如下所示; x 就add_surface函数的使用而言,据我所知,我需要一个沿x-y坐标的z值矩阵. 否则它会给我错误; plot_ly(x = x, y = y, z = z) %>% add_surface()错误:`z` 必须是数字矩阵 如何制作 z 矩阵? (这里
..
这可能是一个非常基本的问题,但是我还没有找到答案.当 method ="gam" 时, geom_smooth 函数中的 span 参数是否等效?我对GAM总体上并不熟悉,所以我对此表示感谢.我想为n>的数据添加更灵活的(wigglier)平滑器.1'000和 method ="loess" 需要很多时间来计算. 解决方案 mgcv :: gam 默认情况下使用惩罚回归优化平滑度.您可以将
..
我在ggplot2中使用stat_smooth函数,决定我想要“拟合优度",并为此使用了mgvc gam.我想到我应该检查以确保它们是相同的模型(stat_smooth与mgvc gam),因此我使用下面的代码进行检查.似乎它们有不同的结果,如该图所证明(图:stat_smoother gam(红色),mgcv gam(黑色)).但是,我不知道为什么它们会有不同的结果.两者之间的某些默认参数是否不
..
我为我的数据作了一个图,现在我想让geom_smooth()估计的每个x的y的差值。不幸的是,有一个类似问题。例如,如何获取以下图的差异(以下数据): 编辑 提出了两个建议,但我仍然不知道如何计算差异。 第一个建议是从ggplot对象访问数据。我是这样做的 pb
..
我正在使用 mgcv 软件包根据一些环境协变量对臭氧污染浓度进行建模。模型采用以下形式: model1
..
我想使用插入符号对GAM模型进行交叉验证。我的GAM模型具有一个二进制结果变量,一个纬度和经度坐标对的各向同性平滑,然后是线性预测变量。使用mgcv时的典型语法为: gam1
..
考虑简单的GAM拟合如下: library(mgcv) my.gam
..
背景 我正在尝试在 一个粗糙的薄板样条曲线拟合图2.3中的收入数据.这 拟合使训练数据错误为零. 到目前为止,我尝试了什么? 我试图复制先前的图2.5,它是平滑的薄板样条曲线拟合,不确定是否成功. income_2
..
我正在使用以下地理叠加模型 library(gamair) library(mgcv) data(mack) mack$log.net.area
..
我尝试实施此很棒的博客加文·辛普森(Gavin Simpson)发布的文章使用通过cancensus软件包下载的数据,但在尝试评估gam时出现以下错误: Error in smooth.construct.mrf.smooth.spec(object, dk$data, dk$knots) : mismatch between nb/polys supplied area names
..
很抱歉,答案很明显,但是我花了很多时间尝试在mgcv.gam中使用自定义链接功能 简而言之, 我想使用来自软件包 psyphy (我想使用 psyphy.probit_2asym ,我称为custom_link) 我可以使用此链接创建一个{stats} family对象,并将其用于glm的"family"参数中. m
..
我发布了一个问题 library(tidyverse) library(broom) iris %>% nest(-Species) %>% mutate(fit = map(data, ~mgcv::gam(Sepal.Width ~ s(Sepal.Length, bs = "cs"), data = .)), results = map(fit, glance),
..
我对R并不陌生,目前正在阅读一本书"Generalized Additive Models",这是Wood by R的简介(2006年),并进行了一些练习,特别是有关空气污染和死亡的部分,这是我的专长.兴趣.使用mgcv软件包,我运行以下模型. library(gamair) library(mgcv) data(chicago) ap1
..
我正在使用mgcv中的bam函数将相同的通用加性模型拟合到多个数据集.虽然对于我的大多数数据集,拟合过程都在10到20分钟之间的合理时间内完成.对于一些数据集,运行需要10多个小时才能完成.我发现慢速情况之间没有任何相似之处,最终的拟合度既非优劣,也未包含任何明显的离群值. 我如何弄清楚为什么在这些情况下拟合如此之慢?以及我如何能够加快这些速度? 我的模型包含两个平滑项(使用循环三次样
..
我正在为数据集使用GAM(广义加性模型).该数据集具有32个观测值,其中包含6个预测变量和一个响应变量(即幂). 我正在使用mgcv包的gam()函数来适应模型.每当我尝试拟合模型时,都会收到以下错误消息: Error in gam(formula.hh, data = data, na.action = na.exclude, : Model has more coefficien
..
我正在寻找一种添加模型中每个变量的预测值(实际的,不是标准化的)的方法 > model summary(m13) Family: gaussian Link function:
..
我正在尝试从GAM模型中提取结的位置,以便将我的预测变量描述为其他模型的类别.我的数据包含一个二进制响应变量(已使用)和一个连续预测变量(打开). data
..