||
smooth.Pspline(x, y, w=rep(1, length(x)), norder=2, df=norder + 2,
spar=0, method=1)
x就是自变量,必须是严格递增的;另外一个函数smooth.spline()不要求这个
严格的条件
y就是因变量
w是每个点的权重,默认值是每个点的权重都为1,可以认为指定某些点的权重,
从而增大某些点在拟合过程中的作用
norder 是曲线的级数,norder=2对应拟合3次方的曲线。这个值我不是很清楚
df 自由度。当method=2的时候决定曲线的平滑程度。d=1对应直线,d越小越
平滑,当d很大的时候就变成折线图了。
spar 当method=1的时候决定曲线的平滑程度。spar=0对应散点图的折线图。
它的值越大曲线越平滑.
cv 决定用ordinary cross-validation(true) 还是generalized cross-validation
method 决定曲线的平滑程度。
method1 取决于spar的大小
method2 取决于df 的大小
method3 adjusts `spar' so that the generalized cross-validation criterion is
minimized
method4 adjusts `spar' so that the ordinary cross-validation criterion is minimized
method3和method4 都涉及到交叉验证参数的最小化。当spar为正值的时候它可以作为初始值,
否则系统自动产生初始值。
method3和method4都不依赖于spar和df的变动。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-1 07:51
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社