Saya mencoba mencari cara untuk mengontrol parameter smoothing dalam model mgcv: gam.
Saya memiliki variabel binomial yang saya coba modelkan terutama sebagai fungsi koordinat x dan y pada grid tetap, ditambah beberapa variabel lain dengan pengaruh yang lebih kecil. Di masa lalu saya telah membangun model regresi lokal yang cukup baik dengan menggunakan paket locfit dan hanya nilai-nilai (x, y).
Namun, saya ingin mencoba memasukkan variabel lain ke dalam model, dan sepertinya model aditif umum (GAM) adalah kemungkinan yang baik. Setelah melihat paket gam dan mgcv, keduanya memiliki fungsi GAM, saya memilih yang terakhir karena sejumlah komentar di utas milis sepertinya merekomendasikannya. Satu kelemahannya adalah sepertinya tidak mendukung regresi lokal yang lebih halus seperti loess atau locfit.
Untuk memulai, saya hanya ingin mencoba meniru sekitar model locfit, menggunakan hanya (x, y) koordinat. Saya mencoba dengan smooths produk reguler dan tensor:
my.gam.te <- gam(z ~ te(x, y), family=binomial(logit), data=my.data, scale = -1)
my.gam.s <- gam(z ~ s(x, y), family=binomial(logit), data=my.data, scale = -1)
Namun, memplot prediksi dari model, mereka jauh lebih halus dibandingkan dengan model locfit. Jadi saya sudah mencoba untuk menyetel model agar tidak terlalu berlebihan. Saya sudah mencoba menyesuaikan parameter sp dan k, tetapi tidak jelas bagi saya bagaimana mereka mempengaruhi smoothing. Di locfit, parameter nn mengontrol rentang lingkungan yang digunakan, dengan nilai yang lebih kecil memungkinkan untuk lebih halus dan lebih "bergoyang", yang membantu untuk menangkap beberapa area di grid di mana kemungkinan hasil binomial berubah dengan cepat. Bagaimana cara saya menyiapkan model gam untuk memungkinkannya berperilaku serupa?