cgam:约束广义可加模型
用cgam程序拟合约束广义可加模型。给定一组预测器,每个预测器可能有形状或顺序限制,使用迭代加权锥投影算法找到约束广义可加模型的最大似然估计。ShapeSelect例程选择预测变量的子集,并描述与响应的分量关系。对于每个预测器,用户只需指定一组可能的形状或顺序限制。模型选择方法选择关系的形状和顺序以及变量。圆锥信息准则(CIC)用于选择变量和形状的最佳组合。当可能的模型集较大时,可以使用遗传算法。此外,cgam例程使用翘曲平面样条实现二维等渗回归,而无需进行可加性假设。它还可以用三角形样条拟合凸回归曲面或凹回归曲面,而无需进行可加性假设。参见Liao X,Meyer MC(2019)<doi:10.18637/jss.v089.i05>了解更多详细信息。
文档:
下载内容:
反向依赖关系:
链接:
请使用规范形式https://CRAN.R-project.org/package=cgam链接到此页面。