变异和 predict.gam 结果 Na/NaN/inf 问题

Question

我的一些数据有问题，我就是不明白为什么。

我正在尝试使用 GAM 从 var3 估计 var4。

这是我用来获取模型的数据集：

for_model <- read.csv("https://raw.githubusercontent.com/fredlm/mockup/master/for_model.csv")

以及我要估计的数据集 var4:

for_est <- read.csv("https://raw.githubusercontent.com/fredlm/mockup/master/for_est.csv")

我所做的，简单地说：

for_est <- for_est %>%
mutate(var4 = ifelse(!var3 == 0, predict.gam(gam(var4 ~ s(log(var3)), data = for_model), newdata = .), NA))

它returns出现以下错误：

错误：mutate() 列 var4 有问题。 var4 = predict.gam(gam(var4 ~ s(log(var3)), data = for_model), newdata = .)。 x NA/NaN/Inf 在外部函数调用中 (arg 1)

尽管在网络上进行了彻底的研究并在我的数据上花费了几个小时，但我找不到解决这个问题的方法...

但是，当我绘制 GAM 时，效果很好：

ggplot(data = for_model,
       aes(x = var3,
           y = var4)) +
  geom_point() +
  geom_smooth(method = "gam",
              formula = y~s(log(x)))

知道如何解决这个问题吗？我查找了 NaN 或 Inf 值，但有 none。另外，当我试图从 var2 估计 var4 时——这是非常类似于 var3 - 事情运作良好......

for_est <- for_est %>%
  mutate(var4 = ifelse(!var2 == 0, predict.gam(gam(var4 ~ s(log(var2)), data = for_model), newdata = .), NA))

非常感谢！

ps：我很抱歉文件太大了，但鉴于我不明白这个问题，我认为提供所有这些文件可能更有意义...:)

Answer 1

当您使用 ifelse 避免 var3 == 0 时，您需要以相同的方式限制 for_est 输入数据。（我把模型求解和预测分开了，只是为了让测试更快，没关系）

gamfit <- gam(var4 ~ s(log(var3)), data = for_model)
for_est <- for_est %>%
  mutate(var4 = ifelse(var3 != 0, predict(gamfit, newdata = .[var3 != 0, ]), NA_real_))

变异和 predict.gam 结果 Na/NaN/inf 问题

mutate and predict.gam results Na/NaN/inf problem

r

gam

dplyr