«gam» 태그된 질문

삼림 벌채를위한 일반화 된 첨가제 모델을 제작했습니다. 공간적 자기 상관을 설명하기 위해 위도와 경도를 부드러운 상호 작용 항 (예 : s (x, y))으로 포함 시켰습니다. 나는 저자들이 '공간 자기 상관을 설명하기 위해 점들의 좌표가 평활 한 용어로 포함되었다'고 말하는 많은 논문을 읽은 것에 근거하고 있지만, 이것이 왜 이것이 실제로 그것을 …

60 r  modeling  spatial  autocorrelation  gam 

GAM을 사용할 때 잔여 DF는 (코드의 마지막 줄). 그게 무슨 뜻이야? GAM 예제를 넘어 서면 일반적으로 자유도는 정수가 아닌 숫자 일 수 있습니까?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 -1.6217 -0.8971 1.2445 6.0516 (Dispersion Parameter …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

다음 코드는 두 시계열의 유사성을 평가합니다. set.seed(10) RandData <- rnorm(8760*2) America <- rep(c('NewYork','Miami'),each=8760) Date = seq(from=as.POSIXct("1991-01-01 00:00"), to=as.POSIXct("1991-12-31 23:00"), length=8760) DatNew <- data.frame(Loc = America, Doy = as.numeric(format(Date,format = "%j")), Tod = as.numeric(format(Date,format = "%H")), Temp = RandData, DecTime = rep(seq(1, length(RandData)/2) / (length(RandData)/2), 2)) require(mgcv) mod1 <- gam(Temp ~ …

24 r  time-series  data-visualization  gam 

점점 더 많은 GAM을 사용합니다. 다양한 구성 요소 (평활화 매개 변수 선택, 다양한 스플라인베이스, 부드러운 항의 p- 값)에 대한 참조를 제공 할 때, 그들은 영국의 바스 대학교 (University of Bath)의 사이먼 우드 (Simon Wood) 연구원 한 사람으로부터 온 것입니다. 그는 또한 mgcvR 작업 관리자로서 자신의 작업을 수행합니다. mgcv매우 복잡하지만 놀랍도록 …

19 nonparametric  gam  mgcv  academia  semiparametric 

caretR 의 패키지를 통해 그라디언트 부스팅 머신 알고리즘을 실험하고 있습니다 . 소규모 대학 입학 데이터 세트를 사용하여 다음 코드를 실행했습니다. library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- "yes" ### Gradient boosting machine algorithm. ### set.seed(123) fitControl …

15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

나는 이것이 잠재적으로 광범위한 질문 일 수 있음을 알고 있지만 GLM (Generalized linear model)보다 GAM (Generalized Additive Model)의 사용을 나타내는 일반화 가능한 가정이 있는지 궁금합니다. 누군가 최근에 GAM은 데이터 구조가 "가산 적"이라고 가정 할 때만 사용해야한다고했습니다. 즉, x를 더하면 y를 예측할 수 있습니다. 다른 사람은 GAM이 GLM과 다른 유형의 회귀 …

15 regression  generalized-linear-model  gam 

mgcv::gam의 도움말 페이지 읽기 : 적합 모델을 사용하여 예측 된 수량에 대해 신뢰 / 신뢰할 수있는 간격을 쉽게 사용할 수 있습니다. 그러나 실제로 얻을 수있는 방법을 알 수는 없습니다. 나는 생각했다 predict.gam것 type=confidence과 level매개 변수를하지만 그렇지 않습니다. 어떻게 만드는지 도와 줄 수 있습니까?

14 r  confidence-interval  gam 

R에는 일반화 된 추가 모델을위한 gam 및 mgcv 라이브러리가 있습니다. 그러나 파이썬 생태계에서 해당 항목을 찾는 데 어려움이 있습니다 (statsmodels에는 샌드 박스에 프로토 타입 만 있습니다). 누구나 기존 파이썬 라이브러리를 알고 있습니까? 이것이 아니라면 scikit-learn을 개발 / 기고하기에 좋은 프로젝트 일 수 있다는 것을 누가 알겠습니까?

14 gam 

컨텍스트 : 매개 변수로 표시되지 않는 산점도에 선을 그리려면에서를 사용 geom_smooth()하고 ggplot있습니다 R. 자동으로 반환 geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change the smoothing method.내가 GAM이 일반화 된 첨가제 모델을 의미 …

14 r  gam  splines  loess  r  data-visualization  boxplot  mathematical-statistics  theory  sufficient-statistics  machine-learning  classification  correlation  svm  feature-selection  probability  stochastic-processes  machine-learning  reinforcement-learning 

예측을위한 여러 가지 도구를 살펴 보았으며이 목표를 달성 할 수있는 가장 일반적인 잠재력을 가진 GAM (Generalized Additive Models)을 발견했습니다. GAM은 훌륭합니다! 복잡한 모델을 간결하게 지정할 수 있습니다. 그러나 동일한 간결함은 특히 GAM이 상호 작용 항과 공변량을 어떻게 생각하는지에 관해 혼란을 유발합니다. y몇 개의 가우시안에 의해 혼동 된 단조 함수와 약간의 …

12 r  modeling  gam  mgcv 

우리가 GAM에 맞는다면 : gam.fit = gam::gam(Outstate ~ Private + s(Room.Board, df = 2) + s(PhD, df = 2) + s(perc.alumni, df = 2) + s(Expend, df = 5) + s(Grad.Rate, df = 2), data = College) College패키지 안에서 찾을 수있는 데이터 셋을 사용합니다 ISLR. 이제이 맞춤의 요약을 찾으면 다음을 …

12 anova  gam 

mgcv에 대한 패키지는 R텐서 제품의 상호 작용을 피팅에 대한 두 가지 기능이 있습니다 : te()와 ti(). 나는 둘 사이의 기본 노동 분열을 이해한다 (비선형 상호 작용에 적합하고이 상호 작용을 주요 효과와 상호 작용으로 분해). 내가 이해할 수없는 것은 왜 te(x1, x2)와 ti(x1) + ti(x2) + ti(x1, x2)(약간) 다른 결과가 발생할 …

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 

개별 선박에 대한 간단한 무작위 효과를 모델링하기 위해 mgcv에서 gam을 사용하여 총 어획량을 모델링하는 데 관심이 있습니다 (어업에서 시간이 지남에 따라 반복적으로 이동 함). 저는 98 개의 주제를 가지고 있으므로 임의의 효과를 모델링하기 위해 gamm 대신 gam을 사용할 것이라고 생각했습니다. 내 모델은 : modelGOM <- gam(TotalFish ~ factor(SetYear) + factor(SetMonth) …

10 prediction  random-effects-model  gam  mgcv 

선형 회귀에 대한 일반적인 VIF 계산에서 각 독립 / 설명 변수 는 보통 최소 제곱 회귀 분석에서 종속 변수로 처리됩니다. 즉엑스제이엑스제이X_j 엑스제이= β0+ ∑i = 1 , i ≠ j엔β나는엑스나는엑스제이=β0+∑나는=1,나는≠제이엔β나는엑스나는 X_j = \beta_0 + \sum_{i=1, i \neq j}^n \beta_i X_i 값이 각각 저장되는 회귀 및 VIF 의해 결정 n아르 자형2아르 …

10 regression  variance  multicollinearity  gam  vif 

질문 : 나는이 생태 선택 모델 (그림 2) 예상보다 훨씬 남쪽 산 중앙 낮다 "산"-allele 주파수 (그림 1)을 준수하는지 확인하는 테스트를 만들 수있는 방법 ( 자세한 내용은 아래를 참조하십시오 )? 문제점 : 저의 초기 생각은 위도 : 경도 및 고도에 대한 모형 잔차를 회귀하는 것입니다 (위도와 경도 사이의 상호 작용 …

10 hypothesis-testing  statistical-significance  residuals  gam