R语言
pen.edf
位于 mgcv
包(package)。 说明
找到每个惩罚所惩罚的系数并将其有效自由度相加。对于 t2
术语非常有用,但对于惩罚重叠参数集的术语(例如 te
术语)很难解释。
用法
pen.edf(x)
参数
x |
继承自 |
细节
对于包含 t2
项的模型很有用,因为它会根据平滑的不同分量将项的 EDF 分成多个部分。这对于确定模型中实际需要哪些交互项非常有用。
值
EDF 向量,以标签命名,标识每个 EDF 与哪个惩罚相关。
例子
require(mgcv)
set.seed(20)
dat <- gamSim(1,n=400,scale=2) ## simulate data
## following `t2' smooth basically separates smooth
## of x0,x1 into main effects + interaction....
b <- gam(y~t2(x0,x1,bs="tp",m=1,k=7)+s(x2)+s(x3),
data=dat,method="ML")
pen.edf(b)
## label "rr" indicates interaction edf (range space times range space)
## label "nr" (null space for x0 times range space for x1) is main
## effect for x1.
## label "rn" is main effect for x0
## clearly interaction is negligible
## second example with higher order marginals.
b <- gam(y~t2(x0,x1,bs="tp",m=2,k=7,full=TRUE)
+s(x2)+s(x3),data=dat,method="ML")
pen.edf(b)
## In this case the EDF is negligible for all terms in the t2 smooth
## apart from the `main effects' (r2 and 2r). To understand the labels
## consider the following 2 examples....
## "r1" relates to the interaction of the range space of the first
## marginal smooth and the first basis function of the null
## space of the second marginal smooth
## "2r" relates to the interaction of the second basis function of
## the null space of the first marginal smooth with the range
## space of the second marginal smooth.
作者
Simon N. Wood simon.wood@r-project.org
也可以看看
相关用法
- R pdTens 实现张量积平滑的 pdMat 类的函数
- 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 pdIdnot 单位矩阵倍数的溢出证明 pdMat 类
- 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 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 Extract the effective degrees of freedom associated with each penalty in a gam fit。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。