R gam.fit GAM P-IRLS 估計與 GCV/UBRE 平滑度估計

說明

這是mgcv包的內部函數。它是函數 glm.fit 的修改，設計為在選擇性能迭代(不是默認值)時從 gam 調用。主要修改是，不是在每個 IRLS 步驟中求解加權最小二乘問題，而是在每個 IRLS 步驟中使用與 GCV 或 UBRE 選擇的每個懲罰相關的平滑參數，使用例程 magic 求解加權懲罰最小二乘問題。有關使用的更多信息，請參閱 gam 的代碼。還允許對 IRLS 權重進行一些正則化，作為解決可識別性相關問題的一種方式(請參閱 gam.control )。支持負二項式參數估計。

在 P-IRLS 的每一步估計平滑參數的基本思想源自 Gu (1992)，被稱為“性能迭代”或“麵向性能的迭代”。

用法

 

gam.fit(G, start = NULL, etastart = NULL, 
        mustart = NULL, family = gaussian(), 
        control = gam.control(),gamma=1,
        fixedSteps=(control$maxit+1),...) 

參數

G	fit=FALSE 時由 gam 返回類型的對象。
start	模型係數的初始值。
etastart	線性預測器的初始值。
mustart	預期響應的初始值。
family	係列對象，指定要使用的分布和鏈接。
control	gam.control 返回的控製選項列表。
gamma	可以增加參數以增加 GCV 或 AIC/UBRE 目標中每個有效自由度的成本。
fixedSteps	采取多少步驟：當僅使用此例程來獲取其他方法的粗略起始值時很有用。
...	其他參數：忽略。

值

適合信息列表。

作者

Simon N. Wood simon.wood@r-project.org

參考

Gu (1992) Cross-validating non-Gaussian data. J. Comput. Graph. Statist. 1:169-179

Gu and Wahba (1991) Minimizing GCV/GML scores with multiple smoothing parameters via the Newton method. SIAM J. Sci. Statist. Comput. 12:383-398

Wood, S.N. (2000) Modelling and Smoothing Parameter Estimation with Multiple Quadratic Penalties. J.R.Statist.Soc.B 62(2):413-428

Wood, S.N. (2004) Stable and efficient multiple smoothing parameter estimation for generalized additive models. J. Amer. Statist. Ass. 99:637-686

也可以看看

gam.fit3、gam、magic