R predict.loess 预测黄土曲线或表面

说明

根据 loess 拟合进行的预测，可选择包含标准误差。

用法

## S3 method for class 'loess'
predict(object, newdata = NULL, se = FALSE,
        na.action = na.pass, ...)

参数

object	由 loess 拟合的对象。
newdata	一个可选的 DataFrame ，用于在其中查找要预测的变量，或者一个矩阵或向量，其中恰好包含预测所需的变量。如果丢失，则使用原始数据点。
se	是否应该计算标准误差？
na.action	函数确定应如何处理数据帧 newdata 中的缺失值。默认是预测 NA 。
...	传递给其他方法或从其他方法传递的参数。

细节

标准误差计算 se = TRUE 比预测慢，特别是因为它需要相对较大的工作空间(内存)，特别是维度 N \times Nf 的矩阵，其中 f = span ，即 se = TRUE 是 O(N^2) ，因此当样本大小 N 大于约 40'600 时停止(默认为 span = 0.75 )。

当使用 surface = "interpolate" (默认)进行拟合时，predict.loess 将不会进行推断 - 因此包含原始数据的 axis-aligned 超立方体之外的点将丢失 ( NA ) 预测和标准误差。

值

如果是 se = FALSE ，则为给出 newdata 每一行(或原始数据)预测的向量。如果是 se = TRUE ，则包含组件的列表

fit	预测值。
se	每个预测值的估计标准误差。
residual.scale	用于计算标准误差的残差的估计范围。
df	用于估计残差尺度的有效自由度的估计，旨在与基于 t 的置信区间一起使用。

如果 newdata 是调用 expand.grid 的结果，则预测(以及 s.e.，如果需要)将是适当维度的数组。

来自无限输入的预测将是 NA，因为 loess 不支持外推。

注意

首先在 newdata 中查找变量，然后以通常的方式搜索(其中包括拟合中使用的公式的环境)。如果找到的变量长度与 newdata 中提供的变量长度不同，则会发出警告。

例子

cars.lo <- loess(dist ~ speed, cars)
predict(cars.lo, data.frame(speed = seq(5, 30, 1)), se = TRUE)
# to get extrapolation
cars.lo2 <- loess(dist ~ speed, cars,
  control = loess.control(surface = "direct"))
predict(cars.lo2, data.frame(speed = seq(5, 30, 1)), se = TRUE)

作者

B. D. Ripley, based on the cloess package of Cleveland, Grosse and Shyu.

也可以看看

loess