我刚刚使用 mgcv 包完成了 GAM 的安装（我将这个模型称为 gam1.5）。我一直在玩vis.gam 函数，但我有一个无法解决的问题。
我想标准化我的模型的拟合值，所以当我使用vis.gam 时，z 轴有限制 [0, 1]。
我的想法是在我的 GAM 模型的$fitted.values 中应用归一化公式，如下所示：
gam1.5$fitted.values<-(gam1.5$fitted.values-min(gam1.5$fitted.values))/(max(gam1.5$fitted.values)-min(gam1.5$fitted.values))
但是，当我运行 vis.gam 时，它不会改变 z 轴的比例。我想知道我是否将规范化公式应用于 GAM 对象中的不正确对象（与 $fitted.values 不同的对象）。
【问题讨论】：
标签： r plot normalization gam mgcv
是的。因为vis.gam 是基于predict.gam 而你对$fitted.values 的更改没有效果！
事实上，vis.gam 无法实现您的目标。该函数只生成一个图，并且不返回任何内容供用户稍后重现该图（除非再次调用 vis.gam）。这意味着，我们需要使用predict.gam。以下是基本步骤。
exclude.too.far 过滤远离训练数据的数据，以避免荒谬的样条/多项式外推（就像vis.gam 所做的那样）；newdat（来自上面的网格）并调用oo <- predict.gam(gam1.5, newdat, type = "terms")以获得逐词预测。这是一个矩阵。您只需要保留与要绘制的 2D 平滑关联的列。假设此列存储在向量z中；z 扩充到矩阵中，方法是为那些太远数据填充NA。z 标准化为[0, 1]。image 或contour 自己制作情节。理想情况下，我们应该举一个例子（可能来自?vis.gam）并完成上述步骤。但是，您回复我说您使用predict.gam 快速解决了问题。那我就不加例子来演示了。
【讨论】：