pdTens
位于 mgcv
包(package)。 说明
这组函数实现了 nlme
库 pdMat
类,以允许由 lme
估计张量积平滑,如 gamm
所调用。张量积平滑具有由惩罚矩阵的加权和组成的惩罚矩阵,其中权重是平滑参数。在混合模型公式中,罚矩阵是项随机效应的协方差矩阵的逆矩阵,平滑参数(乘以一半)是要估计的方差参数。不可能转换问题以使所需的随机效应协方差矩阵看起来像标准 pdMat
类之一:因此需要 pdTens
类。 notLog2
参数化可确保参数为正。
这些函数( pdTens
、 pdConstruct.pdTens
、 pdFactor.pdTens
、 pdMatrix.pdTens
、 coef.pdTens
和 summary.pdTens
)通常不会直接调用。
用法
pdTens(value = numeric(0), form = NULL,
nam = NULL, data = sys.frame(sys.parent()))
参数
value |
参数的初始化值。通常不使用。 |
form |
指定随机效应结构的片面公式。该公式应具有属性 |
nam |
名称参数,通常不与此类一起使用。 |
data |
用于评估公式的 DataFrame 。 |
细节
如果直接使用此类,请注意,值得将 S
矩阵缩放为“中等大小”,例如将每个矩阵除以其最大奇异值:这可以避免 lme
默认值的问题(smooth.construct.tensor.smooth.spec
这样做自动地)。
这似乎是实现新的 pdMat
类所需的最小函数集。
请注意,虽然 pdFactor
和 pdMatrix
函数返回缩放随机效应协方差矩阵或其因子的逆矩阵,但 pdConstruct
函数有时使用缩放协方差矩阵的估计值进行初始化,有时使用其逆矩阵进行初始化。
值
类 pdTens
对象,或其系数或它表示的矩阵或该矩阵的因子。 pdFactor
以向量形式返回因子(按列压缩)(pdMatrix
始终返回矩阵)。
例子
# see gamm
作者
Simon N. Wood simon.wood@r-project.org
参考
Pinheiro J.C. and Bates, D.M. (2000) Mixed effects Models in S and S-PLUS. Springer
The nlme
source code.
https://www.maths.ed.ac.uk/~swood34/
也可以看看
相关用法
- R pdIdnot 单位矩阵倍数的溢出证明 pdMat 类
- R plot.gam 默认 GAM 绘图
- R pcls 惩罚约束最小二乘拟合
- R place.knots 通过协变量值自动均匀放置一组结
- R predict.bam 根据拟合的大加法模型进行预测
- R polys.plot 绘制定义为多边形的地理区域
- R print.gam 打印广义加法模型对象。
- R predict.gam 根据拟合的 GAM 模型进行预测
- R pen.edf 提取与游戏拟合中每个惩罚相关的有效自由度
- R psum.chisq 评估 c.d.f.卡方偏差的加权和
- 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 mgcv.parallel mgcv 中的并行计算。
- R gamm 广义加性混合模型
- 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 Functions implementing a pdMat class for tensor product smooths。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。