R sommer v 4.1.1 中的预测函数
predict function in R sommer v 4.1.1
在最新版本的 sommer 包中，对预测功能进行了一些调整，不幸的是，我在最新版本中遇到了问题。
如果我没有指定任何分类变量：
predict.mmer(模型h)
strsplit(classify, ":") 错误：非字符参数
predict.mmer(modelh, classify = "GEN")
[.data.frame(object$dataOriginal, c(colnames(DTX), ignored, 中的错误：
选择了未定义的列
我的模型是这样的：
mmer(数据=数据，固定=值~1，
随机 = ~ GEN + ROWf + COLf + spl2D(ROW,COL), rcov = ~vs(units))
进一步的问题：在上面的模型中，我在 model$fitted 向量中得到了所有相同的值，等于截距。据我了解，拟合值还应包括随机效应，如 GEN、ROWf、...。我是不是误会了什么？
感谢任何建议，
最好的问候，赫尔曼
从 4.1.1 版本开始，预测函数不再用于获取拟合值，而是用于获取特定分类参数的调整均值。因此不能跳过classify参数。
如果您现在需要拟合值，fitted() 函数应该 return 您正在寻找的值。
现在，使用分类的问题必须来自在 vs() 函数之外使用 spl2D() 函数。您可能想从 GitHub 下载最新版本（版本 4.1.2）并尝试：
mix <- mmer(data = data, fixed = value ~ 1 , random = ~ GEN + ROWf + COLf + vs(spl2D(ROW,COL)), rcov = ~vs(units))
并使用：
pp=predict.mmer(modelh, classify = "GEN")
对于模型中所有 GEN 的调整均值，使用模型中的特定项进行平均和分类集，并且
ff=fitted.mmer(modelh)
如果您想要观测值的拟合值。
干杯，
爱德华多
谢谢 Eduardo，与 4.1.2 完美配合。
还有一个问题。我想知道残差的定义。似乎 mmer 将残差计算为“残差 = 响应 - 固定”，而不是忽略随机效应的“残差 = 响应 - 固定 - 随机”，无论是从模型框架调用残差还是使用残差函数。我这边是不是有什么误会？
干杯赫尔曼
在最新版本的 sommer 包中，对预测功能进行了一些调整，不幸的是，我在最新版本中遇到了问题。
如果我没有指定任何分类变量：
predict.mmer(模型h) strsplit(classify, ":") 错误：非字符参数
predict.mmer(modelh, classify = "GEN")
[.data.frame(object$dataOriginal, c(colnames(DTX), ignored, 中的错误：
选择了未定义的列
我的模型是这样的：
mmer(数据=数据，固定=值~1， 随机 = ~ GEN + ROWf + COLf + spl2D(ROW,COL), rcov = ~vs(units))
进一步的问题：在上面的模型中，我在 model$fitted 向量中得到了所有相同的值，等于截距。据我了解，拟合值还应包括随机效应，如 GEN、ROWf、...。我是不是误会了什么？
感谢任何建议， 最好的问候，赫尔曼
从 4.1.1 版本开始，预测函数不再用于获取拟合值，而是用于获取特定分类参数的调整均值。因此不能跳过classify参数。
如果您现在需要拟合值，fitted() 函数应该 return 您正在寻找的值。
现在，使用分类的问题必须来自在 vs() 函数之外使用 spl2D() 函数。您可能想从 GitHub 下载最新版本（版本 4.1.2）并尝试：
mix <- mmer(data = data, fixed = value ~ 1 , random = ~ GEN + ROWf + COLf + vs(spl2D(ROW,COL)), rcov = ~vs(units))
并使用：
pp=predict.mmer(modelh, classify = "GEN")
对于模型中所有 GEN 的调整均值，使用模型中的特定项进行平均和分类集，并且
ff=fitted.mmer(modelh)
如果您想要观测值的拟合值。
干杯， 爱德华多
谢谢 Eduardo，与 4.1.2 完美配合。
还有一个问题。我想知道残差的定义。似乎 mmer 将残差计算为“残差 = 响应 - 固定”，而不是忽略随机效应的“残差 = 响应 - 固定 - 随机”，无论是从模型框架调用残差还是使用残差函数。我这边是不是有什么误会？
干杯赫尔曼