loess

    0熱度

    1回答

    我有散點圖的數據(x和y值)。我想計算加權平均值和標準差作爲X的函數。對於我的每一個點,我都希望計算每個值與預測值之間的標準偏差數。我目前使用msir包中的loess.sd函數,因爲它會爲我計算sd。有誰知道我怎麼能得到每個數據點的預測SD?或者可能有其他更好的方法來解決這個計算問題?提前致謝。 我當前的代碼: #... scatter plot of data plot(xy,ylim=c(0

    1熱度

    2回答

    的替換這是我在哪裏到目前爲止: 我有兩列A和B(均包含實數),其中b取決於a數據幀df。我將這些列彼此對齊: p = ggplot(df, aes(A, B)) + geom_point() 並查看該關係是非線性關係。添加: p = p + geom_smooth(method = 'loess', span = 1) 給出了一條'最佳'最適合的路線。賦予了新的價值A然後我用下面的方法來預

    0熱度

    1回答

    我在試圖找到一個參考,它解釋瞭如何計算局部多項式迴歸的標準誤差?具體來說,在R中,可以使用黃土函數來獲取模型對象,然後使用預測函數來檢索標準錯誤。有什麼實際發生的地方有參考嗎?在殘差可能存在序列相關的情況下,我們必須使用Newey-West類型的方法來調整它,有沒有辦法像使用lm的常規OLS那樣使用三明治包來做到這一點? 我試着看看源碼,但標準錯誤計算調用C函數。

    11熱度

    3回答

    我正試圖使用​​apache.commons.math庫來計算將R腳本轉換爲java的庫。我可以用org.apache.commons.math.analysis.interpolation.LoessInterpolator代替R loess嗎?我無法得到相同的結果。 編輯。 這裏是創建一個隨機陣列(X,Y)和計算與LoessInterpolator或通過調用R.在結束時黃土的Java程序,結果

    10熱度

    3回答

    我在嘗試瞭解predict.loess函數如何能夠在原始數據中不存在的點x上計算新的預測值(y_hat)。例如(這是一個簡單的例子,我實現顯然是不需要這種的一個例子黃土,但它說明了這一點):通過在每個x使用多項式 x <- 1:10 y <- x^2 mdl <- loess(y ~ x) predict(mdl, 1.5) [1] 2.25 loess迴歸作品,因​​此它創建一個在每

    18熱度

    3回答

    我有一個數據集,裏面有一些點,並且想要在它上面放一條線。我用loess函數試了一下。不幸的是我得到了很奇怪的結果看下面的情節。我期望通過點和整個情節更多的線。我怎樣才能做到這一點? 如何重現它: 下載從https://www.dropbox.com/s/ud32tbptyvjsnp4/data.R?dl=1(只有兩個KB)的數據集,並使用此代碼: load(url('https://www.dro

    4熱度

    1回答

    使用loess和loess.smooth時出現問題,缺少數據的時間序列。 這兩個命令都不適用於這個玩具數據。 x <- as.Date(c(1, 2, 4, 5, 6), origin="2010-1-1") y <- c(4, 8, 8, 28, 11) plot(x, y, ylim=c(1,30)) lines(loess(y ~ x), col="red") lines(loe

    8熱度

    1回答

    我有數據的時間和日期爲免費停車位。 這裏有100 sl <- list(EmptySlots = c(7, 6, 20, 5, 16, 20, 24, 5, 24, 24, 15, 11, 8, 6, 13, 2, 21, 6, 1, 6, 9, 1, 8, 0, 20, 9, 20, 11, 22, 24, 1, 2, 12, 6, 8, 2, 23, 18, 8, 3, 20, 2, 1,

    3熱度

    1回答

    我想通過應用黃土函數來平滑時間曲線,但我無法使其工作。 一個例子: mydat <- runif(50) day1 <- as.POSIXct("2012-07-13", tz = "UTC") day2 <- day1 + 49*3600*24 pdays <- seq(day1, day2, by = "days") lo <- loess(mydat ~ pdays) 我得到以下

    2熱度

    1回答

    我在河中使用loess()和predict()一些麻煩,我用下面的代碼來模擬數據的黃土線: Overall=0.6 RR=1.1 Noise=0.05 x=seq(from=0.01, to=10, by=0.01) logRR=log(RR) logBeta0=log(Overall) linear.pred = logBeta0 + (logRR*x) + rnorm(len