R gam.fit GAM P-IRLS 估计与 GCV/UBRE 平滑度估计

说明

这是mgcv包的内部函数。它是函数 glm.fit 的修改，设计为在选择性能迭代(不是默认值)时从 gam 调用。主要修改是，不是在每个 IRLS 步骤中求解加权最小二乘问题，而是在每个 IRLS 步骤中使用与 GCV 或 UBRE 选择的每个惩罚相关的平滑参数，使用例程 magic 求解加权惩罚最小二乘问题。有关使用的更多信息，请参阅 gam 的代码。还允许对 IRLS 权重进行一些正则化，作为解决可识别性相关问题的一种方式(请参阅 gam.control )。支持负二项式参数估计。

在 P-IRLS 的每一步估计平滑参数的基本思想源自 Gu (1992)，被称为“性能迭代”或“面向性能的迭代”。

用法

 

gam.fit(G, start = NULL, etastart = NULL, 
        mustart = NULL, family = gaussian(), 
        control = gam.control(),gamma=1,
        fixedSteps=(control$maxit+1),...) 

参数

G	fit=FALSE 时由 gam 返回类型的对象。
start	模型系数的初始值。
etastart	线性预测器的初始值。
mustart	预期响应的初始值。
family	系列对象，指定要使用的分布和链接。
control	gam.control 返回的控制选项列表。
gamma	可以增加参数以增加 GCV 或 AIC/UBRE 目标中每个有效自由度的成本。
fixedSteps	采取多少步骤：当仅使用此例程来获取其他方法的粗略起始值时很有用。
...	其他参数：忽略。

值

适合信息列表。

作者

Simon N. Wood simon.wood@r-project.org

参考

Gu (1992) Cross-validating non-Gaussian data. J. Comput. Graph. Statist. 1:169-179

Gu and Wahba (1991) Minimizing GCV/GML scores with multiple smoothing parameters via the Newton method. SIAM J. Sci. Statist. Comput. 12:383-398

Wood, S.N. (2000) Modelling and Smoothing Parameter Estimation with Multiple Quadratic Penalties. J.R.Statist.Soc.B 62(2):413-428

Wood, S.N. (2004) Stable and efficient multiple smoothing parameter estimation for generalized additive models. J. Amer. Statist. Ass. 99:637-686

也可以看看

gam.fit3、gam、magic