Запитання з тегом «mgcv»

Я все більше і більше використовую GAM. Коли я збираюся надати посилання на різні їх компоненти (вибір параметрів згладжування, різні основи сплайну, p-значення гладких термінів), вони все від одного дослідника - Саймона Вуда, в університеті Бат, Англія. Він також є обслуговувачем компанії mgcvR, яка здійснює свою роботу. mgcvнадзвичайно складний, але …

19 nonparametric  gam  mgcv  academia  semiparametric 

Я намагаюся розібратися, як контролювати параметри згладжування в гем-моделі mgcv: gam. У мене є біноміальна змінна, яку я намагаюся моделювати як головну функцію координат x і y на нерухомій сітці, а також деякі інші змінні з меншими впливами. Раніше я будував досить хорошу модель локальної регресії, використовуючи параметри locfit та …

14 r  smoothing  mgcv 

Я досліджував цілий ряд інструментів для прогнозування і виявив, що узагальнені моделі добавок (GAM) мають найбільший потенціал для цієї мети. Ігри чудові! Вони дозволяють задавати складні моделі дуже стисло. Однак ця сама лаконічність викликає у мене певну плутанину, зокрема, стосовно того, як GAM сприймають терміни взаємодії та коваріати. Розглянемо приклад …

12 r  modeling  gam  mgcv 

У mgcvпакеті Rє дві функції для встановлення тензорних взаємодій між продуктами: te()і ti(). Я розумію основний розподіл праці між двома (встановлення нелінійної взаємодії проти декомпозиції цієї взаємодії на основні ефекти та взаємодію). Чого я не розумію, це чому te(x1, x2)і ti(x1) + ti(x2) + ti(x1, x2)може давати (трохи) різні результати. …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Мене цікавить моделювання загального вилову риби з використанням гами в мгкв для моделювання простих випадкових ефектів для окремих суден (які роблять багаторазові поїздки з часом у риболовлі). У мене 98 предметів, тож я думав, що буду використовувати ген замість гамма для моделювання випадкових ефектів. Моя модель: modelGOM <- gam(TotalFish ~ …

10 prediction  random-effects-model  gam  mgcv 

Мене звуть Х'ю, і я докторант, використовуючи узагальнені моделі добавок, щоб зробити деякий дослідницький аналіз. Я не впевнений, як інтерпретувати значення p, що надходять із пакету MGCV, і хотів перевірити своє розуміння (я використовую версію 1.7-29 та ознайомився з деякою документацією Simon Wood). Спочатку я шукав інші питання з резюме, …

10 p-value  mgcv 

Мої запитання стосуються GAM в пакеті mgcv R. Через невеликий розмір вибірки я хочу визначити помилку передбачення за допомогою перехресної валідації "вихід-один-вихід". Це розумно? Чи є пакет або код, як я можу це зробити? errorest()Функція в ipred пакеті не працює. Простий набір тестів: library(mgcv) set.seed(0) dat <- gamSim(1,n=400,dist="normal",scale=2) b<-gam(y~s(x0)+s(x1)+s(x2)+s(x3),data=dat) summary(b) …

10 r  cross-validation  gam  mgcv 

Я хотів би дізнатися значення, які (x, y)використовуються для побудови графіків plot(b, seWithMean=TRUE)у пакеті mgcv . Хтось знає, як я можу витягти або обчислити ці значення? Ось приклад: library(mgcv) set.seed(0) dat <- gamSim(1, n=400, dist="normal", scale=2) b <- gam(y~s(x0), data=dat) plot(b, seWithMean=TRUE)

10 r  time-series  smoothing  mgcv 

Книга Саймона Вуда про GAM та пов'язаний з ним пакет Rc mgcv є дуже детальними та інформативними, коли мова йде про теорію GAM та пристосування моделі до реальних та імітованих даних. Що стосується 1D гладких, насправді не варто турбуватися, окрім того, як вирішити, чи реалізовувати циклічні та адаптивні основні функції, …

9 r  mgcv