R predict.loess 預測黃土曲線或表麵

說明

根據 loess 擬合進行的預測，可選擇包含標準誤差。

用法

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

參數

object	由 loess 擬合的對象。
newdata	一個可選的 DataFrame ，用於在其中查找要預測的變量，或者一個矩陣或向量，其中恰好包含預測所需的變量。如果丟失，則使用原始數據點。
se	是否應該計算標準誤差？
na.action	函數確定應如何處理數據幀 newdata 中的缺失值。默認是預測 NA 。
...	傳遞給其他方法或從其他方法傳遞的參數。

細節

標準誤差計算 se = TRUE 比預測慢，特別是因為它需要相對較大的工作空間(內存)，特別是維度 N \times Nf 的矩陣，其中 f = span ，即 se = TRUE 是 O(N^2) ，因此當樣本大小 N 大於約 40'600 時停止(默認為 span = 0.75 )。

當使用 surface = "interpolate" (默認)進行擬合時，predict.loess 將不會進行推斷 - 因此包含原始數據的 axis-aligned 超立方體之外的點將丟失 ( NA ) 預測和標準誤差。

值

如果是 se = FALSE ，則為給出 newdata 每一行(或原始數據)預測的向量。如果是 se = TRUE ，則包含組件的列表

fit	預測值。
se	每個預測值的估計標準誤差。
residual.scale	用於計算標準誤差的殘差的估計範圍。
df	用於估計殘差尺度的有效自由度的估計，旨在與基於 t 的置信區間一起使用。

如果 newdata 是調用 expand.grid 的結果，則預測(以及 s.e.，如果需要)將是適當維度的數組。

來自無限輸入的預測將是 NA，因為 loess 不支持外推。

注意

首先在 newdata 中查找變量，然後以通常的方式搜索(其中包括擬合中使用的公式的環境)。如果找到的變量長度與 newdata 中提供的變量長度不同，則會發出警告。

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