mgcv

    1熱度

    1回答

    我試圖使用newdata參數從gamm模型(來自mgcv數據包)生成預測。我想對模型的lme部分做出預測,以便預測包括隨機效應。但是,我認爲,由於模型係數的命名方式,我正在遇到問題。 我的問題是,如何結構/命名newdata參數以允許預測。謝謝。 甲兆瓦 mod <- gamm(outcome ~ s(time) + predvar, data=d, random=list(g

    1熱度

    1回答

    我試圖運行使用mgcv包一般的添加劑模式,但我不斷收到一個錯誤model.frame.default: Error in model.frame.default(formula = Presence ~ Sex + wind_speed + baro + : attempt to apply non-function 這裏是我使用的代碼(我用「咣噹()」,因爲數據集的大小): stormGA

    2熱度

    1回答

    我當前的問題說明是計算通過一般相加模型(GAM)的不同變量與R. 解釋的方差I,接着伍德這裏給出的解釋: https://stat.ethz.ch/pipermail/r-help/2007-October/142743.html 但我想用三個變量來做。 我嘗試這樣做: library(mgcv) set.seed(0) n<-400 x1 <- runif(n, 0, 1) x2 <-

    1熱度

    1回答

    我想要使用選項type="terms"單獨評估GAM模型中預測變量的每個組成部分。作爲完整性檢查,我使用選項type="response"將結果與總預測評估進行了比較。結果不同。這裏是一個例子: library(mgcv) n<-200 sig <- 2 dat <- gamSim(1,n=n,scale=sig) b<-gam(y~x0+s(I(x1^2))+s(x2)+offset(x

    0熱度

    1回答

    有沒有一種方法可以自動化R中的GAM變量選擇,類似於step?我已閱讀step.gam和selection.gam的文檔,但我還沒有看到有效的代碼的答案。另外,我試過method= "REML"和select = TRUE,但都沒有從模型中刪除無關緊要的變量。 我推測我可以創建一個步驟模型,然後使用這些變量來創建GAM,但這在計算上似乎並不高效。 實施例: library(mgcv) set.

    1熱度

    1回答

    考慮簡單的GAM符合如下: library(mgcv) my.gam <- gam(y~s(x), data=mydata) 反正是有回報估計的平滑參數(波長),這樣我可以將它保存?我知道lambda是作爲'GCV分數'輸出的,但我需要一個特定的代碼來返回它。 如何將lambda設置爲期望值?

    0熱度

    1回答

    我一直試圖在一個函數中使用包mgcv來適應多個GAM,並通過模型選擇過程粗略地選擇最合適的模型。但是,我的功能運行第一個模型,然後似乎不再識別輸入數據dat。 我得到的錯誤 錯誤is.data.frame(數據):對象 '逸' 未找到。 我覺得這是一個範圍的問題,我看here,並here尋求幫助,但不能弄明白。 代碼和數據如下(希望再現的): https://github.com/cwaldock

    1熱度

    1回答

    我需要在R中運行2個不同的腳本,而無需重新啓動會話。在第一次使用包mgcv和在第二我需要gam。我寫了一個腳本,分離並刪除了包mgcv並安裝並加載了gam。 但仍然在我想運行gam()函數後,我得到一個錯誤,告訴我沒有找到mgcv。我理解爲R尋找mgcv包安裝它... 這裏有一個MWE: install.packages(paste(path.pkgs,'mgcv_1.8-7.zip',sep='

    1熱度

    1回答

    嗨,我目前使用gam模型來估計快樂和年齡。 我的迴歸命令是 fit <- gam(happy ~ s(age) + s(age, by=nochild) ,data=happy) ,我想以可視化的互動變量「s(年齡):nochild」的估計效果使用visreg。我在努力這樣做,因爲只有年齡和nochild估計已經顯示了在使用 visreg(fit) 我希望圖形看起來像這樣 Y軸:S(年齡)

    3熱度

    1回答

    道歉,如果答案是顯而易見的,但我花了相當長的一段時間,試圖在mgcv.gam 總之使用自定義鏈接功能, 我想用從包psyphy(我想用psyphy.probit_2asym,我把它叫做custom_link)改性概率鏈接 我可以創建此鏈接{統計}家庭對象和的「家庭」的說法用它GLM。 m <- glm(y~x, family=binomial(link=custom_link), ...) 爲{m