mono.con
位于 mgcv
包(package)。 说明
找到足以满足三次回归样条的单调性(以及可选的上界和/或下界)的线性约束。假设的基础表示是由 gam
、 "cr"
基础给出的:即样条线有一组结,这些结点具有固定的 x 值,但其 y 值构成样条线的参数。
用法
mono.con(x,up=TRUE,lower=NA,upper=NA)
参数
x |
结位置数组。 |
up |
如果 |
lower |
这指定样条曲线的下限,除非它是 |
upper |
这指定样条曲线的上限,除非它是 |
细节
考虑通过点 的自然三次样条。然后可以在 上找到一组相对较小的线性约束,足以确保单调性(如果需要,还可以进行边界): 。 Wood (1994) 中给出了详细信息。
值
包含约束矩阵 A
和约束向量 b
的列表。
例子
## see ?pcls
作者
Simon N. Wood simon.wood@r-project.org
参考
Gill, P.E., Murray, W. and Wright, M.H. (1981) Practical Optimization. Academic Press, London.
Wood, S.N. (1994) Monotonic smoothing splines fitted by cross validation. SIAM Journal on Scientific Computing 15(5), 1126-1133.
https://www.maths.ed.ac.uk/~swood34/
也可以看看
相关用法
- R model.matrix.gam 从 GAM 拟合中提取模型矩阵
- R mgcv.parallel mgcv 中的并行计算。
- R mvn 多元正态加性模型
- R multinom GAM 多项式逻辑回归
- R mini.roots 获取惩罚矩阵的平方根
- R magic 通过 GCV 或 UBRE 进行稳定的多重平滑参数估计
- R missing.data GAM 中缺失数据
- R mroot 矩阵的最小平方根
- R mgcv.package 混合 GAM 计算车辆,具有 GCV/AIC/REML/NCV 平滑度估计和 REML/PQL 的 GAMM
- R magic.post.proc 来自 magic fit 的辅助信息
- R vcov.gam 从 GAM 拟合中提取参数(估计器)协方差矩阵
- R gam.check 拟合 gam 模型的一些诊断
- R null.space.dimension TPRS 未惩罚函数空间的基础
- R gam.reparam 寻找平方根惩罚的稳定正交重新参数化。
- R extract.lme.cov 从 lme 对象中提取数据协方差矩阵
- R scat 用于重尾数据的 GAM 缩放 t 系列
- R choldrop 删除并排名第一 Cholesky 因子更新
- R smooth.construct.cr.smooth.spec GAM 中的惩罚三次回归样条
- R bandchol 带对角矩阵的 Choleski 分解
- R gam.side GAM 的可识别性边条件
- R cox.ph 附加 Cox 比例风险模型
- R gamm 广义加性混合模型
- R pdTens 实现张量积平滑的 pdMat 类的函数
- R Predict.matrix GAM 中平滑项的预测方法
- R Predict.matrix.soap.film 皂膜光滑度预测矩阵
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Monotonicity constraints for a cubic regression spline。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。