R gam.outer 使用“外部”迭代最小化 GAM 的 GCV 或 UBRE 分數

說明

如果平滑選擇得分(GCV、GACV、UBRE/AIC、REML、ML 等)的優化位於用於估計給定平滑參數的模型的懲罰迭代重新加權最小二乘方案的外部，則 GAM 平滑參數的估計是最穩定的。

該例程以這種方式優化平滑度選擇分數。本質上，通過估計平滑參數的 GAM 來評估每個平滑參數試驗集的分數。分數被最小化。使用 newton (默認)、 bfgs 、 optim 或 nlm 以數字形式表示參數。可以通過擬合 gam.fit3 來使用分數的精確(一階和二階)導數。相對於依賴有限差分導數，這提高了效率和可靠性。

通常不直接調用，而是 gam 的服務例程。

用法

gam.outer(lsp,fscale,family,control,method,optimizer,
          criterion,scale,gamma,G,start=NULL,nei=NULL,...)

參數

lsp	對數平滑參數。
fscale	GCV 或 UBRE/AIC 評分的典型量表。
family	模範家庭。
control	如果使用純有限差分，則控製參數傳遞給gam.fit。
method	gam 的方法參數定義要使用的平滑標準(但取決於比例是否已知)。
optimizer	gam 的參數定義要使用的數值優化方法。
criterion	使用哪種平滑度選擇標準。 "UBRE" 、 "GCV" 、 "GACV" 、 "REML" 或 "P-REML" 之一。
scale	提供比例參數。正值表示已知。
gamma	GCV/UBRE/AIC 分數的自由度膨脹因子。
G	由 mgcv:::gam.setup 生成的列表，包含實際適合 GAM 所需的大部分內容。
start	起始參數值。
nei	如果使用 NCV，則指定鄰域結構的列表。請參閱gam。
...	其他參數，通常用於傳遞給gam.fit3(最終)。

細節

有關“外部迭代”的完整詳細信息，請參閱 Wood (2008)。

作者

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

參考

Wood, S.N. (2011) Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models. Journal of the Royal Statistical Society (B) 73(1):3-36

https://www.maths.ed.ac.uk/~swood34/

也可以看看

gam.fit3、gam、magic