将 vis.gam 用于 mgcv GAM 时，将 z 轴值归一化到 [0, 1]
Normalize z-axis values onto [0, 1] when using vis.gam for a mgcv GAM
我刚刚使用 mgcv 包安装了一个 GAM（我将称这个模型为 gam1.5）。我一直在玩 vis.gam 函数，但我有一个问题无法解决。
我想标准化我模型的拟合值，所以当我使用 vis.gam 时，z 轴有限制 [0, 1]。
我的想法是在我的 GAM 模型的 $fitted.values 中应用归一化公式，如下所示：
gam1.5$fitted.values<-(gam1.5$fitted.values-min(gam1.5$fitted.values))/(max(gam1.5$fitted.values)-min(gam1.5$fitted.values))
然而，当我运行 vis.gam时，它并没有改变z轴的比例。我想知道我是否将规范化公式应用于 GAM 对象中的错误对象（与 $fitted.values 不同的对象）。
是的。因为 vis.gam 是基于 predict.gam 而你对 $fitted.values 的更改没有效果！
事实上，vis.gam 无法实现您的目标。这个函数只是简单地生成一个图，returns 没有任何东西供用户稍后重现该图（除非再次调用 vis.gam）。这意味着，我们将需要使用 predict.gam。以下是基本步骤。
- 设置二维网格/网格。您可能希望使用
exclude.too.far 来过滤远离训练数据的数据，以避免可笑的样条/多项式外推（如 vis.gam 那样）；
- 构造一个新的数据框
newdat（来自上面的网格）并调用oo <- predict.gam(gam1.5, newdat, type = "terms")以获得逐项预测。这是一个矩阵。您只需要保留与要绘制的 2D 平滑关联的列。假设此列存储在向量 z; 中
- 通过为那些 太远 数据填充
NA 将 z 增加到矩阵中。
- 将
z 标准化为 [0, 1]。
- 使用
image或contour自己制作情节。
理想情况下，我们应该举一个例子（可能来自 ?vis.gam）并完成上述步骤。但是，您回复我说您使用 predict.gam 很快解决了问题。那我就不加例子来演示了
我刚刚使用 mgcv 包安装了一个 GAM（我将称这个模型为 gam1.5）。我一直在玩 vis.gam 函数，但我有一个问题无法解决。
我想标准化我模型的拟合值，所以当我使用 vis.gam 时，z 轴有限制 [0, 1]。
我的想法是在我的 GAM 模型的 $fitted.values 中应用归一化公式，如下所示：
gam1.5$fitted.values<-(gam1.5$fitted.values-min(gam1.5$fitted.values))/(max(gam1.5$fitted.values)-min(gam1.5$fitted.values))
然而，当我运行 vis.gam时，它并没有改变z轴的比例。我想知道我是否将规范化公式应用于 GAM 对象中的错误对象（与 $fitted.values 不同的对象）。
是的。因为 vis.gam 是基于 predict.gam 而你对 $fitted.values 的更改没有效果！
事实上，vis.gam 无法实现您的目标。这个函数只是简单地生成一个图，returns 没有任何东西供用户稍后重现该图（除非再次调用 vis.gam）。这意味着，我们将需要使用 predict.gam。以下是基本步骤。
- 设置二维网格/网格。您可能希望使用
exclude.too.far来过滤远离训练数据的数据，以避免可笑的样条/多项式外推（如vis.gam那样）； - 构造一个新的数据框
newdat（来自上面的网格）并调用oo <- predict.gam(gam1.5, newdat, type = "terms")以获得逐项预测。这是一个矩阵。您只需要保留与要绘制的 2D 平滑关联的列。假设此列存储在向量z; 中
- 通过为那些 太远 数据填充
NA将z增加到矩阵中。 - 将
z标准化为[0, 1]。 - 使用
image或contour自己制作情节。
理想情况下，我们应该举一个例子（可能来自 ?vis.gam）并完成上述步骤。但是，您回复我说您使用 predict.gam 很快解决了问题。那我就不加例子来演示了