supsmu
位于 stats
包(package)。 说明
通过弗里德曼的“超级平滑”来平滑 (x, y) 值。
用法
supsmu(x, y, wt =, span = "cv", periodic = FALSE, bass = 0, trace = FALSE)
参数
x |
用于平滑的 x 值 |
y |
用于平滑的 y 值 |
wt |
案例权重,默认情况下全部相等 |
span |
运行线更平滑的跨度中观测值的分数,或 |
periodic |
如果 |
bass |
控制拟合曲线的平滑度。值高达 10 表示平滑度不断增加。 |
trace |
逻辑,如果为 true,则打印一行信息 “per spar”,对于 |
细节
supsmu
是一个运行线条平滑器,可以在线条的三个跨度之间进行选择。运行线平滑器是对称的,预测点两侧都有 k/2
数据点,k
的值为 0.5 * n
、 0.2 * n
和 0.05 * n
,其中 n
是数据点的数量。如果指定span
,则使用跨度span * n
的单个平滑器。
通过对每个预测进行交叉验证来选择三个平滑器中最好的一个。然后通过运行线平滑器对最佳跨度进行平滑,并通过线性插值选择最终预测。
FORTRAN 代码表示:“对于小样本 (n < 40
) 或如果 x-value 附近的观测值之间存在大量序列相关性,则应使用预先指定的固定跨度平滑器 (span >
0
)。合理的跨度值为 0.2 至 0.4。”
具有非有限值 x
、 y
或 wt
的情况将被丢弃,并发出警告。
值
包含组件的列表
x |
输入值按升序排列,并删除重复项。 |
y |
拟合曲线上相应的 y 值。 |
例子
require(graphics)
with(cars, {
plot(speed, dist)
lines(supsmu(speed, dist))
lines(supsmu(speed, dist, bass = 7), lty = 2)
})
参考
Friedman, J. H. (1984) SMART User's Guide. Laboratory for Computational Statistics, Stanford University Technical Report No. 1.
Friedman, J. H. (1984) A variable span scatterplot smoother. Laboratory for Computational Statistics, Stanford University Technical Report No. 5.
也可以看看
相关用法
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R summary.lm 总结线性模型拟合
- R summary.princomp 主成分分析的汇总方法
- R summary.aov 方差模型分析总结
- R summary.glm 广义线性模型拟合总结
- R stlmethods STL 对象的方法
- R smooth Tukey 的(运行中值)平滑
- R screeplot 屏幕图
- R sortedXyData 创建一个sortedXyData对象
- R sigma 提取残余标准差“Sigma”
- R setNames 设置对象中的名称
- R stat.anova GLM 方差分析统计
- R scatter.smooth 黄土拟合的平滑曲线散点图
- R splinefun 插值样条曲线
- R spec.taper 通过余弦钟锥化时间序列
- R symnum 符号数字编码
- R se.contrast 模型术语对比的标准误差
- R stepfun Step Functions - 创建和类
- R shapiro.test 夏皮罗-威尔克正态性检验
- R selfStart 构建自启动非线性模型
- R spec.pgram 通过平滑周期图估计时间序列的谱密度
- R spec.ar 通过 AR Fit 估计时间序列的频谱密度
- R smooth.spline 拟合平滑样条曲线
- R stl Loess 时间序列的季节分解
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Friedman's SuperSmoother。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。