Pytania otagowane jako mgcv

2
Uogólnione modele addytywne - kto je bada oprócz Simona Wooda?
Coraz częściej używam GAM. Kiedy idę, aby podać odniesienia do ich różnych składników (wybór parametrów wygładzania, różne podstawy splajnu, wartości p gładkich wyrażeń), wszystkie pochodzą od jednego badacza - Simona Wooda z University of Bath w Anglii. Jest także opiekunem mgcvw R, który realizuje swoją pracę. mgcvjest niezwykle złożony, ale …

1
Jak dostroić wygładzanie w modelu GAM mgcv
Próbuję dowiedzieć się, jak kontrolować parametry wygładzania w modelu mgcv: gam. Mam zmienną dwumianową, którą próbuję zamodelować jako przede wszystkim funkcję współrzędnych xiy na ustalonej siatce plus kilka innych zmiennych o mniejszych wpływach. W przeszłości zbudowałem dość dobry model regresji lokalnej, używając locfit pakietu i tylko wartości (x, y). Chciałbym …
14 r  smoothing  mgcv 

1
Uogólnione modele addytywne (GAM), interakcje i zmienne towarzyszące
Eksplorowałem szereg narzędzi do prognozowania i odkryłem, że Uogólnione Modele Addytywne (GAM) mają największy potencjał do tego celu. GRY są świetne! Pozwalają na bardzo zwięzłe określenie złożonych modeli. Jednak ta sama zwięzłość powoduje pewne zamieszanie, szczególnie w odniesieniu do tego, w jaki sposób GAM postrzegają terminy interakcji i zmienne towarzyszące. …
12 r  modeling  gam  mgcv 

1
R / mgcv: Dlaczego produkty tensorowe te () i ti () wytwarzają różne powierzchnie?
mgcvOpakowanie Rposiada dwie funkcje montowania interakcji produktów napinacz: te()i ti(). Rozumiem podstawowy podział pracy między nimi (dopasowanie interakcji nieliniowej vs. rozkładanie tej interakcji na główne efekty i interakcję). To, czego nie rozumiem, to dlaczego te(x1, x2)i ti(x1) + ti(x2) + ti(x1, x2)może powodować (nieznacznie) różne wyniki. MWE (dostosowany z ?ti): …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

1
Przewidywanie losowych efektów w mgcv gam
Interesuje mnie modelowanie całkowitego połowu ryb za pomocą gam w mgcv do modelowania prostych efektów losowych dla poszczególnych statków (które odbywają wielokrotne podróże w czasie na łowisku). Mam 98 przedmiotów, więc pomyślałem, że użyję gam zamiast gamma do modelowania efektów losowych. Mój model to: modelGOM <- gam(TotalFish ~ factor(SetYear) + …

1
Jak interpretować wartości P GAM?
Nazywam się Hugh i jestem doktorantem używającym uogólnionych modeli addytywnych w celu przeprowadzenia analizy eksploracyjnej. Nie jestem pewien, jak interpretować wartości p pochodzące z pakietu MGCV i chciałem sprawdzić swoje zrozumienie (używam wersji 1.7-29 i zapoznałem się z dokumentacją Simona Wooda). Najpierw szukałem innych pytań CV, ale te najbardziej odpowiednie …
10 p-value  mgcv 

2
Krzyżowa walidacja GAM w celu przetestowania błędu prognozowania
Moje pytania dotyczą GAM w pakiecie mgcv R. Ze względu na niewielki rozmiar próbki chcę określić błąd prognozy za pomocą weryfikacji krzyżowej z pominięciem jednego z nich. Czy to rozsądne? Czy istnieje pakiet lub kod, jak to zrobić? errorest()Funkcja w IPRED pakietu nie działa. Prosty testowy zestaw danych to: library(mgcv) …
10 r  cross-validation  gam  mgcv 

4
Jak uzyskać wartości używane w plot.gam w mgcv?
Chciałbym dowiedzieć się o wartościach (x, y)używanych podczas kreślenia plot(b, seWithMean=TRUE)w pakiecie mgcv . Czy ktoś wie, jak mogę wyodrębnić lub obliczyć te wartości? Oto przykład: library(mgcv) set.seed(0) dat <- gamSim(1, n=400, dist="normal", scale=2) b <- gam(y~s(x0), data=dat) plot(b, seWithMean=TRUE)

1
Adaptacyjny GAM wygładza w mgcv
Książka Simona Wooda na temat GAM i związany z nią pakiet R mgcv są zarówno bardzo szczegółowe, jak i pouczające, jeśli chodzi o teorię GAM i dopasowanie modelu do rzeczywistych i symulowanych danych. W przypadku wygładzania 1D naprawdę nie ma się czym martwić, z wyjątkiem decyzji o wdrożeniu cyklicznych vs. …
9 r  mgcv 
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.