supsmu
位於 stats
包(package)。 說明
通過弗裏德曼的“超級平滑”來平滑 (x, y) 值。
用法
supsmu(x, y, wt =, span = "cv", periodic = FALSE, bass = 0, trace = FALSE)
參數
x |
用於平滑的 x 值 |
y |
用於平滑的 y 值 |
wt |
案例權重,默認情況下全部相等 |
span |
運行線更平滑的跨度中觀測值的分數,或 |
periodic |
如果 |
bass |
控製擬合曲線的平滑度。值高達 10 表示平滑度不斷增加。 |
trace |
邏輯,如果為 true,則打印一行信息 “per spar”,對於 |
細節
supsmu
是一個運行線條平滑器,可以在線條的三個跨度之間進行選擇。運行線平滑器是對稱的,預測點兩側都有 k/2
數據點,k
的值為 0.5 * n
、 0.2 * n
和 0.05 * n
,其中 n
是數據點的數量。如果指定span
,則使用跨度span * n
的單個平滑器。
通過對每個預測進行交叉驗證來選擇三個平滑器中最好的一個。然後通過運行線平滑器對最佳跨度進行平滑,並通過線性插值選擇最終預測。
FORTRAN 代碼表示:“對於小樣本 (n < 40
) 或如果 x-value 附近的觀測值之間存在大量序列相關性,則應使用預先指定的固定跨度平滑器 (span >
0
)。合理的跨度值為 0.2 至 0.4。”
具有非有限值 x
、 y
或 wt
的情況將被丟棄,並發出警告。
值
包含組件的列表
x |
輸入值按升序排列,並刪除重複項。 |
y |
擬合曲線上相應的 y 值。 |
例子
require(graphics)
with(cars, {
plot(speed, dist)
lines(supsmu(speed, dist))
lines(supsmu(speed, dist, bass = 7), lty = 2)
})
參考
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
相關用法
- R summary.nls 總結非線性最小二乘模型擬合
- R summary.manova 多元方差分析的匯總方法
- R summary.lm 總結線性模型擬合
- R summary.princomp 主成分分析的匯總方法
- R summary.aov 方差模型分析總結
- R summary.glm 廣義線性模型擬合總結
- R stlmethods STL 對象的方法
- R smooth Tukey 的(運行中值)平滑
- R screeplot 屏幕圖
- R sortedXyData 創建一個sortedXyData對象
- R sigma 提取殘餘標準差“Sigma”
- R setNames 設置對象中的名稱
- R stat.anova GLM 方差分析統計
- R scatter.smooth 黃土擬合的平滑曲線散點圖
- R splinefun 插值樣條曲線
- R spec.taper 通過餘弦鍾錐化時間序列
- R symnum 符號數字編碼
- R se.contrast 模型術語對比的標準誤差
- R stepfun Step Functions - 創建和類
- R shapiro.test 夏皮羅-威爾克正態性檢驗
- R selfStart 構建自啟動非線性模型
- R spec.pgram 通過平滑周期圖估計時間序列的譜密度
- R spec.ar 通過 AR Fit 估計時間序列的頻譜密度
- R smooth.spline 擬合平滑樣條曲線
- R stl Loess 時間序列的季節分解
注:本文由純淨天空篩選整理自R-devel大神的英文原創作品 Friedman's SuperSmoother。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。