5

使用polyR 中的函数，我如何评估多元多项式？

  • 这篇文章总共有 4 个问题，在下面突出显示。
  • 我正在寻求评估poly()-output 对象的输出（正交或原始多项式）。这将使我能够使用多项式生成类似于我可以用来评估结果的模型矩阵的行（即，我试图通过调用推送多元测试数据poly()值，以便可以类似地评估它我的回归方法矩阵的一行）。
  • 我的背景：我对 R、Rpoly()和 R 的回归例程比较陌生。
  • 我已经尝试了几种方法，并希望得到每一种方法的帮助：

(A): 直接方法predict

此方法失败，显然是由于某些意外的输入类。我知道这些特殊的 x1 和 x2 值是共线的，不适合一般拟合（我只是想让predict机器运转）。的使用predict受到这篇SO 帖子的启发。 （Q1）是否可以直接调用该predict方法来评估这个多项式？

> x1 = seq(1,  10,  by=0.2)
> x2 = seq(1.1,10.1,by=0.2)
> t = poly(cbind(x1,x2),degree=2,raw=T)
> predict(t,newdata=data.frame(x1=2.03,x2=2.03))
Error in UseMethod("predict") : 
  no applicable method for 'predict' applied to an object of class "c('matrix', 'double', 'numeric')"

(B) 直接评估仅适用于原始多项式（非正交）

由于 (A)，我尝试了直接调用 poly() 的解决方法。对于原始多项式，我可以让它工作，但我必须为每个变量重复数据。以下显示（第 1 次）单个数据点的失败，（第 2 次）重复值的成功。 （Q2）有什么办法可以避免第二个列表中数据的冗余重复以使原始poly()评估正确吗？

> poly(cbind(x1=c(2.03),x2=c(2.13)),degree=2,raw=T)
Error in `colnames<-`(`*tmp*`, value = apply(z, 1L, function(x) paste(x,  : 
  attempt to set 'colnames' on an object with less than two dimensions

> poly(cbind(x1=c(2.03,2.03),x2=c(2.13,2.13)),degree=3,raw=T)
      1.0    2.0      3.0  0.1    1.1      2.1    0.2      1.2      0.3
[1,] 2.03 4.1209 8.365427 2.13 4.3239 8.777517 4.5369 9.209907 9.663597
[2,] 2.03 4.1209 8.365427 2.13 4.3239 8.777517 4.5369 9.209907 9.663597
attr(,"degree")
[1] 1 2 3 1 2 3 2 3 3

如果我尝试使用正交多项式的类似冗余列出数据方法，我会招致“嘿，你的数据是冗余的！” 错误（如果我只列出每个变量的值一次，也会发生这种情况）。(Q3) 是否可以通过直接调用来评估多元正交多项式poly()？ 

> poly(cbind(x1=c(2.03, 2.03),x2=c(2.13, 2.13)),degree=2)
Error in poly(dots[[1L]], degree, raw = raw) : 
  'degree' must be less than number of unique points

(C) 无法从多元正交多项式中提取 alpha 和范数系数coefs最后 ，我知道predict.poly. 我知道这coefs是正交多项式拟合输出的 alpha 和 norm 值。但是，我只能从单变量多项式拟合中提取那些......当我拟合多元正交（或原始）时，来自的返回值poly没有系数。 （Q4）是否可以从调用正交多项式拟合多元alpha数据中提取和系数？normpoly()

> t = poly(cbind(x1),degree=2)   # univariate orthog poly --> WORKS
> attributes(t)$coefs
$alpha
[1] 5.5 5.5

$norm2
[1]    1.000   46.000  324.300 1826.458


> t = poly(cbind(x1,x2),degree=2)  # multivariate orthog poly --> DOES NOT WORK
> attributes(t)$coefs
NULL

如果我能澄清，请告诉我。感谢您提供的任何帮助。

4

2 回答 2

1

作为记录，这似乎已被修复

> x1 = seq(1,  10,  by=0.2)
> x2 = seq(1.1,10.1,by=0.2)
> t = poly(cbind(x1,x2),degree=2,raw=T)
> 
> class(t) # has a class now
[1] "poly"   "matrix"
> 
> # does not throw error
> predict(t, newdata = cbind(x1,x2)[1:2, ])                                                     
     1.0  2.0 0.1  1.1  0.2
[1,] 1.0 1.00 1.1 1.10 1.21
[2,] 1.2 1.44 1.3 1.56 1.69
attr(,"degree")
[1] 1 2 1 2 2
attr(,"class")
[1] "poly"   "matrix"
> 
> # and gives the same
> t[1:2, ]
     1.0  2.0 0.1  1.1  0.2
[1,] 1.0 1.00 1.1 1.10 1.21
[2,] 1.2 1.44 1.3 1.56 1.69
> 
> sessionInfo()
R version 3.4.1 (2017-06-30)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)
于 2017-10-20T16:12:28.353 回答
0

使用 ModelMatrixModel 包。ModelMatrixModel() 中的 ModelMatrixModel() 与 model.matrix() 类似，但它保存了转换参数，可以应用新数据。

library(ModelMatrixModel) 
traindf=data.frame(x1 = seq(1,  10,  by=0.2),
                   x2 = seq(1.1,10.1,by=0.2))

mm=ModelMatrixModel(~poly(x1,2)+poly(x2,3),traindf,sparse=F)
mm$x[1:2,] #output matrix
##   poly_x1__2_1 poly_x1__2_2 poly_x2__3_1 poly_x2__3_2 poly_x2__3_3
## 1   -0.2498843    0.3088653   -0.2498843    0.3088653   -0.3423492
## 2   -0.2387784    0.2676833   -0.2387784    0.2676833   -0.2510561
predict(mm,traindf[1:2,])$x
##   poly_x1__2_1 poly_x1__2_2 poly_x2__3_1 poly_x2__3_2 poly_x2__3_3
## 1   -0.2498843    0.3088653   -0.2498843    0.3088653   -0.3423492
## 2   -0.2387784    0.2676833   -0.2387784    0.2676833   -0.2510561
于 2021-08-23T16:47:27.810 回答