在 R 中使用 GAM 的多个解释变量？答案

【问题标题】：Multiple explanatory variables using GAM in R?在 R 中使用 GAM 的多个解释变量？
【发布时间】：2019-06-12 03:02:47
【问题描述】：

我对 R 很陌生，我正在尝试使用 mgcv::gam 函数对我的数据进行建模，但它有很多解释变量。我知道对于常规线性回归模型，您可以只使用. 来解释变量，但这也适用于 GAM 吗？还是有另一种简写方式来包含数据集中的所有变量？

假设我有解释变量 a 到 z，我想要一个预测方程

y ~ s(a) + s(b) + ... + s(z)

有没有更简单的方法来表示这个？

任何建议将不胜感激！

【问题讨论】：

如果您要这样做（如果您不想输入它们，则必须有很多变量），那么它建议您也应该使用select = TRUE gam() 打电话，知道这样做的含义是什么。
另外，我希望您有很多数据，因为向模型中添加 26 个平滑将需要估计阶数 ~240 个系数，并选择 26 个平滑参数，再加上 26 个来自select = TRUE的额外惩罚。

标签： r gam

【解决方案1】：

据我所知，没有一个相当的y ~ . 来包含它。但是，假设您要使用所有变量。然后您可以使用paste 和公式来执行相同的任务。假设您使用的是mtcars 数据框，而您的y 变量是mpg。

那么下面的服务：

mgcv::gam(
  as.formula(
    paste0(
      "mpg ~ s(", 
      setdiff(names(mtcars), "mpg") %>% paste0(collapse = ") + s("),
      ")"
    )
  ),
  data = mtcars
)

所以重点是collapse 参数，并关闭括号。在您的应用程序中，这将是

mgcv::gam(
  as.formula(paste0("y ~ s(", letters %>% paste0(collapse = ") + s("), ")")),
  data = df
)

【讨论】：