R gam2objective GAM 平滑參數估計的目標函數

說明

如果 UBRE/AIC 或 GCV 分數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之外，則 GAM 平滑參數的估計是最穩定的。這些函數以適合 optim 或 nlm 使用的方式評估 GAM 模型的 GCV/UBRE/AIC 分數(給定平滑參數)。通常不直接調用，而是 gam.outer 的服務例程。

用法

gam2objective(lsp,args,...)
gam2derivative(lsp,args,...)

參數

lsp	對數平滑參數。
args	調用 gam.fit3 所需的參數列表。
...	用於傳遞給 gam.fit3 的其他參數。

細節

gam2objective 和 gam2derivative 是適合由 optim 調用的函數，用於評估 GCV/UBRE/AIC 分數及其導數。對數平滑參數。

gam4objective 相當於 gam2objective ，適合通過 nlm 進行優化 - GCV/UBRE/AIC 函數的導數被計算並作為屬性返回。

O'Sullivan 等人首次提出了將平滑參數 ‘outer’ 優化為 P-IRLS 循環的基本思想。 (1986)。

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

O 'Sullivan, Yandall & Raynor (1986) Automatic smoothing of regression functions in generalized linear models. J. Amer. Statist. Assoc. 81:96-103.

Wood, S.N. (2008) Fast stable direct fitting and smoothness selection for generalized additive models. J.R.Statist.Soc.B 70(3):495-518

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

也可以看看

gam.fit3、gam、magic