有没有一种R数据结构,我可以在其中存储许多lm、lmer或gam对象?J有盒装的数组,人们可以把几乎任何东西放入这种盒装的数组的单元格中。我想这就是我在R中寻找的东西。
我尝试过列表和数据框,但都无济于事;我认为列表可能会起作用。
> testlist <- list()
> testlist[1] <- subject1.2008.gam
Warning message:
In testlist[1] <- subject1.2008.gam :
number of items to replace is not a multiple of replacem
我试图写一个函数来比较样条和多项式回归之间的基本模型。但是,当我使用模型中包含的model$formula选项,并将其用于带有下一个变量的gam函数时,我会收到一个错误:
Error in mod$formula + df_work_final$Apps :
non-numeric argument to binary operator
如何在函数中使用我的模型公式?
谢谢
完整的例子:
library(gam)
library(ISLR)
data(College)
mod = gam(College$Grad.Rate~College$Private)
# This, I wa
我有一个可执行文件,它在运行时会询问参数文件的名称。我尝试了所有输入参数文件名的方式,但得到了相同的错误,即:
GAM Version: 2.905
ERROR - the parameter file does not exist,
check for the file and try again
Stop - Program terminated.
ans =
0
参数文件的名称为gam.par。我尝试过让函数自动读取参数文件名的各种样式有:
system('"gam.exe" -f "gam.par"
我正在尝试探索mgcv包中的" gam“函数与gam包中的”gam“函数的不同之处。但是,我不能在一个R会话中同时运行两个gam函数。我认为如果我以mgcv::gam或gam::gam作为前缀,它将能够运行正确的函数,但看起来我必须分离mgcv才能运行gam包中的gam函数。 library(ISLR)
library(mgcv)
library(gam)
# I get an error message when it runs this
gam.m3 <- gam::gam(wage~s(year,4)+s(age,5)+education,data=Wage)
# N
我一直在用R.中的mgcv来拟合不同层次的GAM(以下简称HGAM),我可以毫无问题地提取和绘制它们的随机效应预测。相反,提取和绘制他们对固定效果的预测只对某些模型有效,我不知道为什么。
这里有一个实际例子,它指的是在不同地点取样的两种花卉(Taxon)的颜色光谱(也讨论了):
rm(list=ls()) # wipe R's memory clean
library(pacman) # load packages, installing them from CRAN if needed
p_load(RCurl) # allows accessing data from URL
ss
我试图拟合一个广义的加性logistic回归模型,但我得到了一个奇怪的错误:
gam_object = gam(event ~ s(time) + ., data = lapse_train, family = "binomial")
Error in terms.formula(gf, specials = c("s", "te", "ti", "t2")) : '.' in formula and no 'data' argument
为什么要告诉我这里没有数据争论,而这里显
几年前的描述了如何提取用于绘制拟合gam模型的平滑分量的数据。它是有效的,但只有当有一个平滑的变量时。我有多个平滑变量,不幸的是,我只能从系列的最后一个变量中提取平滑。下面是一个示例:
library(mgcv)
a = rnorm(100)
b = runif(100)
y = a*b/(a+b)
mod = gam(y~s(a)+s(b))
summary(mod)
plotData <- list()
trace(mgcv:::plot.gam, at=list(c(25,3,3,3)),
#this gets you to the location wher
我正致力于预测具有随机效应的gam模型,用plot_ly生成三维曲面图。
这是我的密码;
x <- runif(100)
y <- runif(100)
z <- x^2 + y + rnorm(100)
r <- rep(1,times=100) # random effect
r[51:100] <- 2 # replace 1 into 2, making two groups
df <- data.frame(x, y, z, r)
gam_fit <- gam(z ~ s(x) + s(y) + s(r,bs="re"),
输出错误是: MinimizerException:如果没有合理的不确定性估计,则无法确定置信区间
为什么会出现这个错误?如何计算不确定性估计并解决此问题??
for dosya1 in glob.glob("mean*"):
data1=np.genfromtxt(dosya1, skip_header=0, skip_footer=0, names=["wavelength","mean"])
x=data1["wavelength"]
mod=VoigtModel()
pars =
由于我的数据具有二元响应,但很少发生事件,因此我希望通过拟合bgeva模型而不是gam模型来改进其预测。为了证明和比较它的预测准确性,并将其与我尝试过的其他模型进行比较,我需要计算AUC并绘制ROC曲线。
问题是,我的代码可以与glm和gam一起工作,但不能与bgeva对象一起工作。准确地说,使用函数谷歌会打印错误:no applicable method for 'predict' applied to an object of class "bgeva"和我的朋友predict()没有为我找到任何解决方案。
下面是bgeva()包中的一个简单示例,以及我用来
我尝试用k个基函数来拟合具有日(tt变量)和滞后预测器(k=2)相互作用的GAM模型。
library(mgcv)
# Example data
data=data.frame(
tt=1:107, # days
pol=(sample.int(101,size=107,replace=TRUE)-1)/100,
at_rec=sample.int(101,size=107,replace=TRUE),
w_cas=sample.int(2000,size=107,replace=TRUE)
)
# model
gam1<-gam(pol ~ s(tt, k = 10) +