问题标签 [loess]

我试图了解该predict.loess函数如何能够在原始数据中不存在的y_hat点处计算新的预测值 ( ) 。x例如（这是一个简单的例子，我意识到这种例子显然不需要黄土，但它说明了这一点）：

loess回归通过在每个处使用多项式来工作x，因此它y_hat在每个处创建一个预测值y。但是，由于没有存储系数，因此在这种情况下，“模型”只是用于预测每个 的详细信息y_hat，例如spanor degree。当我这样做的时候predict(mdl, 1.5)，如何predict能够在这个新产品上产生价值x？它是否在两个最接近的现有x值及其相关值之间进行插值y_hat？如果是这样，它是如何做到这一点的背后的细节是什么？

我已经cloess在线阅读了文档，但无法找到它讨论这个的地方。

我正在尝试与 R 中predict的loess对象一起使用。有 112406 个观察值。里面有一个特定的行，stats:::predLoess它试图乘以N*M1where N=M1=112406。这会导致整数过低，并且函数会爆炸。执行此操作的代码行如下（从predLoess源代码复制）：

有没有人解决了这个问题或找到了解决这个问题的方法？我正在使用 R 2.13。这个论坛的名字很适合这个问题。

我正在绘图，ggplot2我想知道是否有一种方法可以捕获由它生成的点，stat_smooth或者至少知道它使用了哪些参数。

超过 1000 分我得到这个：" geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change the smoothing method. "我知道它用过gam method，但还有什么？

如果我不能像这个线程中所说的那样捕获数据点：

可以在 ggplot stat_smooth 调用后提取模型拟合参数吗？

我怎样才能复制 stat_smooth 所做的事情？

我在使用缺少数据的时间序列时遇到loess问题loess.smooth。

这两个命令都不适用于这个玩具数据。

我有一个数据框是这样的：

输入（xx）

这个数据框很大，它有很多主机。我面临的挑战是，当像上面这样的主机没有足够的数据点时，下面的 ggplot 会失败，基本上是抱怨没有足够的数据点来绘制图表。

如何检查并查看此数据框中的特定主机是否有超过 10 个数据点，如果是，请使用 method="loess"。如果主机的数据点数小于 10，则使用 method="lm"

我coplot在 R 中使用来绘制一些条件图：

在这种情况下，如何判断哪个图对应于条件变量的哪个“桶” var3？

我有数据（x和y值）的散点图。我想计算加权平均值和标准偏差作为 X 的函数。对于我的每个点，我想计算每个值与预测值之间的标准偏差数。我目前正在使用包中的loess.sd函数，msir因为它会为我计算 sd。有谁知道我如何获得每个数据点的预测标准差？或者也许有替代或更好的方法来解决这个计算？提前致谢。

我当前的代码：

这是我目前所处的位置：

我有一个df包含两列A和B（均包含实数）的数据框，其中b取决于a. 我将列相互绘制：

并看到这种关系是非线性的。添加：

给出最合适的“好”线。给定一个新值aIA然后使用以下方法来预测 的值B：

到目前为止，一切都很好。但是，然后我意识到我无法推断使用loess（大概是因为它是非参数的？！）。推断似乎很自然——这种关系看起来像是一种权力类型的事情正在发生，例如：

这就是我解脱的地方。首先，我可以使用哪些方法来绘制一条最适合这种（“功率”）数据的线而不使用loess？可悲的尝试，例如：

给我错误。此外，假设我实际上能够绘制一条我满意的最佳拟合线，我predict在使用loess. 例如，假设我对最佳拟合线感到满意：

那么如果我想预测B如果等于 11（理论上是 2^11）会取什么值A，则以下方法不起作用：

非常感谢任何帮助。干杯。

我有一个数据集，里面有一些点，想在上面画一条线。我用这个loess功能试了一下。不幸的是，我得到了非常奇怪的结果。见下图。我希望一条线更多地通过点和整个情节。我怎样才能做到这一点？

如何重现它：

从https://www.dropbox.com/s/ud32tbptyvjsnp4/data.R?dl=1下载数据集（只有 2 kb）并使用以下代码：

任何帮助是极大的赞赏。谢谢！

尝试使用 MA 归一化（http://en.wikipedia.org/wiki/MA_plotx ）对两个变量和R 中的 loess 进行如下处理：y

我想以平均值m为 0 的方式对 x 和 y 进行归一化，就像在标准 MA 归一化中一样，然后反算正确的 x 和 y 值。首先在 MA 上运行黄土：

那么获得校m正值的方法是什么？这个对吗？

我不清楚在对象predict的情况下实际上做了什么，以及它与在返回的对象中loess使用有何不同- 有人可以解释一下吗？最后，我怎样才能根据这个更正计算新的值？l$residualslloessxy