问题标签 [gam]

我在使用 gam 为时间序列数据建模季节性方面取得了巨大成功。我的最新模型清楚地显示了除季节性变化外的每周模式。虽然一周模式本身在一年中非常稳定，但其幅度也随季节而变化。所以理想情况下，我想将我的数据建模为：

其中f,g和h是循环平滑函数mgcv

不幸的是，这不起作用并抛出错误NA/NaN argument。我尝试使用te(day_in_year, day_in_week, k=c(52, 5), bs='cc')which 有效，但引入了太多的自由度，因为该模型过拟合了在可用年份较短的特定工作日内的假期。

是否可以按照我尝试的方式指定模型？

我正在使用包装中的模型拟合gam模型mgcv。我将结果存储在model其中，到目前为止，我一直在使用plot(model). 我最近开始使用lattice并喜欢它的输出。所以我想知道，是否可以使用 绘制这些图表lattice？

这是我的数据集：https ://gist.github.com/plxsas/fcef4a228c18c772b4f3

我怎样才能在lattice包中绘制这个模型，三个面板代表我的三个站点更平滑，拜托？

您可能还注意到我使用了dayinyear正确的月份格式而不是正确的月份格式（数据中的第一列）。这是因为广义加性模型不处理分类变量。但是，我想用月份的名称表示图表中的时间（如第一列），有谁知道lattice情节中的前进方向吗？

我正在尝试将通用附加模型gam()从mgcv包合并到R中的xyplot()函数或coplot()函数。lattice

通过选择臭氧数据，可以在http://statweb.stanford.edu/~tibs/ElemStatLearn/中找到数据。

这是我的内核平滑代码。

或者

广义加性模型生成如下。

现在我在将拟合组合gam()到格子图中时遇到了麻烦。

我有一个 data.frame(x) 并且我正在做 GAM 分析。

生成的图具有函数 s 及其 SE。我想将每个变量的 s 值及其 SE 保存在 data.frame 中。

我p = plot(g, se=T) and str(p)可以看到值 S(x) 和 SE 但我不知道如何访问它们..

如何访问图中每个变量的 SE 值和 y 值？

我从掌握如何使用样条线插入一维函数开始。

然后我可以使用

预测点 0 的函数值。

然后我在互联网上搜索了一些可以对 3 维数据进行样条分析的东西，我在 stackoverflow 上找到了一个答案，表明mgcv::gam是最好的选择。

所以我尝试了：

然后我做了：

希望它将返回点（0,0,0）的样条插值值。它计算了一段时间，返回了很多我看不懂的多维数据。

我一定做错了什么。我该怎么做才能从 gam 对象接收单个点的值？而且，可以肯定的是，您是否同意/不同意 gam 是为 3D 数据插入样条曲线的正确选择，还是您会提出其他建议？

我正在添加一个可重现的示例。

这是一个数据文件（请在 c:/r/ 中解压）https://www.sendspace.com/file/b4mazl

最小的可重现示例：

对于预测(bdg, newdata=data.frame(0,0,0,0), type="response")

它返回很多数字任何警告newdata没有足够的数据

为了

它什么也不返回，也同样发出警告。

我遇到了一个问题，即在使用 R 包 mgcv 运行大量 GAM 时内存不足。我加载库并使用以下脚本初始化一些随机数据。

这给

接下来我适合十个 GAM 并检查内存使用情况

结果是

请注意，我只创建了一个对象（适合），但内存使用量是该对象大小的三倍。最终，当我安装更多模型时，R 完全耗尽了内存。我一直在做的是保存到磁盘

然后开始一个新会话并重新加载

瞧！记忆回来了

有什么方法可以在不需要保存到磁盘、启动新会话然后从磁盘加载的情况下重新声明内存？

有人可以帮我在 for 循环或 lapply 中运行多个 GAMM 模型吗：我在一个按列排列的大型数据框中有一组 10 个响应和 20 个预测变量。

我想为每个预测响应组合应用 GAMM 模型，并在表格中总结它们的系数和显着性检验。

模型<-gamm(AnimalCount ~ s(温度), data=dat,family=poisson(link=log) , random=list(Province=~1))

我正在尝试使用 step 函数拟合准泊松 GLM 和 GAM 来执行向后选择。我使用了以下代码，但 R 返回了一个错误，因为它无法计算 AIC。使用泊松分布的相同模型有效，但不是准泊松，有没有办法改变函数使其有效？

我在使用 R 中的多重回归GAM预测预测时遇到问题。目标是使用各种自变量和虚拟变量来预测因变量的预测，我有大约 2 年以上的数据，我在测试和训练数据之间进行拆分. 但是在预测因变量时，它预测为负，这是错误的。作为输入给出的数据，因变量和自变量都没有负值。因变量（被预测）通常是一个很小的值，主要在 0 到 25 之间。其中，作为因子使用的自变量中很少有低至 0-20 的，很少有以百万计的。

有人可以帮我吗？问题是什么？如何纠正？提前致谢。

@Oliver - 我一直在使用的代码：

我想使用五重交叉验证来评估 GAM 在预测新数据方面的性能。模型训练基于 80% 数据的随机子集和剩余 20% 的测试集。我可以计算训练数据和测试数据之间的均方预测误差，但不确定如何在 k-folds 中实现这一点。我有以下代码用于训练和测试数据集以及计算 MSPE。我没有包含样本数据，但可以这样做。