关于算法:R语言里的非线性模型多项式回归局部样条平滑样条-广义相加模型GAM分析

50次阅读

共计 4990 个字符,预计需要花费 13 分钟才能阅读完成。

原文链接:http://tecdat.cn/?p=9706

总览

在这里,咱们放宽了风行的线性办法的假如。有时线性假如只是一个很差的近似值。有许多办法能够解决此问题,其中一些办法能够通过应用正则化办法升高模型复杂性来  解决。然而,这些技术依然应用线性模型,到目前为止只能进行改良。本文本专一于线性模型的扩大

  • _多项式回归_    这是对数据提供非线性拟合的简略办法。
  • _阶跃函数_  将变量的范畴划分为  _K 个_  不同的区域,以生成定性变量。这具备拟合分段常数函数的成果。
  • _回归样条_  比多项式和阶跃函数更灵便,并且实际上是两者的扩大。
  • _部分样条曲线_  相似于回归样条曲线,然而容许区域重叠,并且能够平滑地重叠。
  • _平滑样条曲线_  也相似于回归样条曲线,然而它们最小化平滑度惩办的残差平方和准则。
  • _狭义加性模型_  容许扩大上述办法以解决多个预测变量。

多项式回归

这是扩大线性模型的最传统办法。随着咱们减少 多项式的项,多项式回归使咱们可能生成非线性的曲线,同时仍应用最小二乘法预计系数。

逐步回归

它常常用于生物统计学和流行病学中。

回归样条

回归样条是 扩大多项式和逐步回归技术的许多_根本_函数之一。事实上。多项式和逐步回归函数只是_基_  函数的特定状况。

这是分段三次拟合的示例(左上图)。

为了解决此问题,更好的解决方案是采纳束缚,使拟合曲线必须间断。

抉择结的地位和数量

一种抉择是在咱们认为变动最快的中央搁置更多的结,而在更稳固的中央搁置更少的结。然而在实践中,通常以对立的形式搁置结。

要分明的是,在这种状况下,实际上有 5 个结,包含边界结。

那么咱们应该应用多少个结?一个简略的抉择是尝试许多个结,而后看哪个会产生最好的曲线。然而,更主观的办法是应用穿插验证。

与多项式回归相比,样条曲线能够显示出更稳固的成果。

平滑样条线

咱们探讨了回归样条曲线,该样条曲线是通过指定一组结,生成一系列基函数,而后应用最小二乘法预计样条系数而创立的。平滑样条曲线是创立样条曲线的另一种办法。让咱们回忆一下,咱们的指标是找到一些非常适合察看到的数据的函数,即最大限度地缩小 RSS。然而,如果对咱们的函数没有任何限度,咱们能够通过抉择准确内插所有数据的函数来使 RSS 设为零。

抉择平滑参数 Lambda

同样,咱们求助于穿插验证。事实证明,咱们实际上能够十分无效地计算 LOOCV,以平滑样条曲线,回归样条曲线和其余任意基函数。

平滑样条线通常比回归样条线更可取,因为它们通常会创立更简略的模型并具备可比的拟合度。

部分回归

部分回归波及仅应用左近的训练观测值来计算指标点_x_ 0 处的拟合度。

能够通过各种形式执行部分回归,尤其是在波及拟合_p_  线性回归模型的多变量计划中尤为显著,因而某些变量能够全局拟合,而某些部分拟合。

狭义加性模型

GAM 模型提供了一个通用框架,可通过容许每个变量的非线性函数扩大线性模型,同时放弃可加性。

具备平滑样条的 GAM 并不是那么简略,因为不能应用最小二乘。取而代之的 是应用一种称为_反向拟合_的办法。

GAM 的优缺点

长处

  • GAM 容许将非线性函数拟合到每个预测变量,以便咱们能够主动对规范线性回归会脱漏的非线性关系进行建模。咱们不须要对每个变量别离尝试许多不同的转换。
  • 非线性拟合能够潜在地对因变量_Y_做出更精确的预测。
  • 因为模型是可加的,所以咱们依然能够查看每个预测变量对_Y_的影响,同时放弃其余变量不变。

毛病

  • 次要局限性在于该模型仅限于累加模型,因而可能会错过重要的交互作用。

范例

多项式回归和阶跃函数

library(ISLR)
attach(Wage)

咱们能够轻松地应用来拟合多项式函数,而后指定多项式的变量和次数。该函数返回正交多项式的矩阵,这意味着每列是变量的变量的线性组合  ageage^2age^3,和  age^4。如果要间接获取变量,能够指定  raw=TRUE,但这不会影响预测后果。它可用于查看所需的系数预计。

fit = lm(wage~poly(age, 4), data=Wage)
kable(coef(summary(fit)))

当初让咱们创立一个ages 咱们要预测的向量。最初,咱们将要绘制数据和拟合的 4 次多项式。

ageLims <- range(age)
age.grid <- seq(from=ageLims[1], to=ageLims[2])

pred <- predict(fit, newdata = list(age = age.grid),
                se=TRUE) 

plot(age,wage,xlim=ageLims ,cex=.5,col="darkgrey")
 lines(age.grid,pred$fit,lwd=2,col="blue")
matlines(age.grid,se.bands,lwd=2,col="blue",lty=3)

​在这个简略的示例中,咱们能够应用 ANOVA 测验。

 ## Analysis of Variance Table
## 
## Model 1: wage ~ age
## Model 2: wage ~ poly(age, 2)
## Model 3: wage ~ poly(age, 3)
## Model 4: wage ~ poly(age, 4)
## Model 5: wage ~ poly(age, 5)
##   Res.Df     RSS Df Sum of Sq      F Pr(>F)    
## 1   2998 5022216                               
## 2   2997 4793430  1    228786 143.59 <2e-16 ***
## 3   2996 4777674  1     15756   9.89 0.0017 ** 
## 4   2995 4771604  1      6070   3.81 0.0510 .  
## 5   2994 4770322  1      1283   0.80 0.3697    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

咱们看到,_M_1 与二次模型  相比,p 值  _M_2 本质上为零,这表明线性拟合是不够的。因而,咱们能够得出结论,二次方或三次模型可能更适宜于此数据,并且偏差于简略模型。

咱们也能够应用穿插验证来抉择多项式次数。

在这里,咱们实际上看到的最小穿插验证误差是针对 4 次多项式的,然而抉择 3 次或 2 次模型并不会造成太大损失。接下来,咱们思考预测集体是否每年支出超过 25 万。

然而,概率的置信区间是不合理的,因为咱们最终失去了一些负概率。为了生成置信区间,更有意义的是转换对  _数_  预测。

绘制:

plot(age,I(wage>250),xlim=ageLims ,type="n",ylim=c(0,.2))
lines(age.grid,pfit,lwd=2, col="blue")
matlines(age.grid,se.bands,lwd=1,col="blue",lty=3)

逐步回归函数

在这里,咱们须要拆分数据。

table(cut(age, 4)) 

## 
## (17.9,33.5]   (33.5,49]   (49,64.5] (64.5,80.1] 
##         750        1399         779          72

fit <- lm(wage~cut(age, 4), data=Wage)
coef(summary(fit))

##                        Estimate Std. Error t value  Pr(>|t|)
## (Intercept)              94.158      1.476  63.790 0.000e+00
## cut(age, 4)(33.5,49]     24.053      1.829  13.148 1.982e-38
## cut(age, 4)(49,64.5]     23.665      2.068  11.443 1.041e-29
## cut(age, 4)(64.5,80.1]    7.641      4.987   1.532 1.256e-01

splines 样条函数

在这里,咱们将应用三次样条。

因为咱们应用的是三个结的三次样条,因而生成的样条具备六个基函数。

 ## [1] 3000    6
dim(bs(age, df=6))

## [1] 3000    6
##   25%   50%   75% 
## 33.75 42.00 51.00 

拟合样条曲线。

咱们也能够拟合平滑样条。在这里,咱们拟合具备 16 个自由度的样条曲线,而后通过穿插验证抉择样条曲线,从而产生 6.8 个自由度。

 fit2$df

## [1] 6.795
lines(fit, col='red', lwd=2)
lines(fit2, col='blue', lwd=1)
legend('topright', legend=c('16 DF', '6.8 DF'),
       col=c('red','blue'), lty=1, lwd=2, cex=0.8) 

部分回归

执行部分回归。

GAMs

当初,咱们应用 GAM 通过年份,年龄和受教育水平的样条来预测工资。因为这只是具备多个根本函数的线性回归模型,因而咱们仅应用  lm() 函数。

为了拟合更简单的样条曲线,咱们须要应用平滑样条曲线。

绘制这两个模型

year 是线性的。咱们能够创立一个新模型,而后应用 ANOVA 测验。

 ## Analysis of Variance Table
## 
## Model 1: wage ~ ns(age, 5) + education
## Model 2: wage ~ year + s(age, 5) + education
## Model 3: wage ~ s(year, 4) + s(age, 5) + education
##   Res.Df     RSS Df Sum of Sq    F  Pr(>F)    
## 1   2990 3712881                              
## 2   2989 3693842  1     19040 15.4 8.9e-05 ***
## 3   2986 3689770  3      4071  1.1    0.35    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

仿佛增加线性year 成分要比不增加线性  成分的 GAM 好得多。

 ## 
## Deviance Residuals:
##     Min      1Q  Median      3Q     Max 
## -119.43  -19.70   -3.33   14.17  213.48 
## 
## (Dispersion Parameter for gaussian family taken to be 1236)
## 
##     Null Deviance: 5222086 on 2999 degrees of freedom
## Residual Deviance: 3689770 on 2986 degrees of freedom
## AIC: 29888 
## 
## Number of Local Scoring Iterations: 2 
## 
## Anova for Parametric Effects
##              Df  Sum Sq Mean Sq F value  Pr(>F)    
## s(year, 4)    1   27162   27162      22 2.9e-06 ***
## s(age, 5)     1  195338  195338     158 < 2e-16 ***
## education     4 1069726  267432     216 < 2e-16 ***
## Residuals  2986 3689770    1236                    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Anova for Nonparametric Effects
##             Npar Df Npar F  Pr(F)    
## (Intercept)                          
## s(year, 4)        3    1.1   0.35    
## s(age, 5)         4   32.4 <2e-16 ***
## education                            
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

在具备非线性关系的模型中,咱们能够再次确认year 对模型没有奉献。

接下来,咱们 将部分回归拟合 GAM。

在调用 GAM 之前,咱们还能够应用部分回归来创立交互项。

咱们能够 绘制后果曲面图。


参考文献 

1.R 语言多元 Logistic 逻辑回归 利用案例

2. 面板平滑转移回归 (PSTR) 剖析案例实现

3.matlab 中的偏最小二乘回归(PLSR)和主成分回归(PCR)

4.R 语言泊松 Poisson 回归模型剖析案例

5.R 语言回归中的 Hosmer-Lemeshow 拟合优度测验

6.r 语言中对 LASSO 回归,Ridge 岭回归和 Elastic Net 模型实现

7. 在 R 语言中实现 Logistic 逻辑回归

8.python 用线性回归预测股票价格

9.R 语言如何在生存剖析与 Cox 回归中计算 IDI,NRI 指标

正文完
 0