将 vis.gam 用于 mgcv GAM 时将 z 轴值标准化为 [0, 1]

Posted 2023-03-12

【中文标题】将 vis.gam 用于 mgcv GAM 时将 z 轴值标准化为 [0, 1]

【英文标题】：Normalize z-axis values onto [0, 1] when using vis.gam for a mgcv GAM

【发布时间】：2017-11-26 02:03:15

【问题描述】：

我刚刚使用 mgcv 包完成了 GAM 的安装（我将这个模型称为 gam1.5）。我一直在玩vis.gam 函数，但我有一个无法解决的问题。

我想标准化我的模型的拟合值，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))

但是，当我运行 vis.gam 时，它不会改变 z 轴的比例。我想知道我是否将规范化公式应用于 GAM 对象中的不正确对象（与 $fitted.values 不同的对象）。

【参考方案1】：

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。该函数只生成一个图，并且不返回任何内容供用户稍后重现该图（除非再次调用 vis.gam）。这意味着，我们需要使用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 过滤远离训练数据的数据，以避免荒谬的样条/多项式外推（就像vis.gam 所做的那样）； 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")以获得逐词预测。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； 将z 扩充到矩阵中，方法是为那些太远数据填充NA。 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 快速解决了问题。那我就不加例子来演示了。

【讨论】：

非常感谢您的回答！最后，我使用 predict.gam 创建了一个新数据帧并规范化这个新数据帧中的值，然后按照您的建议使用 wireframe() 绘制 3d 表面！