R语言:gam2objective()函数中文帮助文档(中英文对照)

loveR

gam2objective(mgcv)
gam2objective()所属R语言包：mgcv

                                        Objective functions for GAM smoothing parameter estimation
                                         GAM平滑参数估计的目标函数

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Estimation of GAM smoothing parameters is most stable if optimization of the UBRE/AIC or GCV score is outer to the penalized iteratively re-weighted least squares scheme used to estimate the model given smoothing  parameters. These functions evaluate the GCV/UBRE/AIC score of a GAM model, given smoothing parameters, in a manner suitable for use by optim or nlm. Not normally called directly, but rather service routines for gam.outer.
GAM平滑参数的估计是最稳定的，如果优化的UBRE / AIC或GCV得分外处罚迭代重新加权最小二乘计划用于估计平滑参数模型。这些功能的方式为适合optim或nlm使用GCV的/ UBRE / AIC的得分的GAM模型，给出平滑参数，评估。通常不直接调用，但gam.outer而服务程序。


用法----------Usage----------


gam2objective(lsp,args,...)
gam2derivative(lsp,args,...)



参数----------Arguments----------

参数：lsp
The log smoothing parameters.
日志平滑参数。


参数：args
List of arguments required to call gam.fit3.
调用gam.fit3所需的参数列表。


参数：...
Other arguments for passing to gam.fit3.
其他参数传递给gam.fit3。


Details

详情----------Details----------

gam2objective and gam2derivative are functions suitable for calling by optim, to evaluate the GCV/UBRE/AIC score and its derivatives w.r.t. log smoothing parameters.
gam2objective和gam2derivative功能适合要求optim，评估GCV的/ UBRE / AIC的得分及其衍生物WRT登录平滑参数。

gam4objective is an equivalent to gam2objective, suitable for optimization by nlm - derivatives of the GCV/UBRE/AIC function are calculated and returned as attributes.
gam4objectivegam2objective是等价的，适合于优化nlm - 衍生物的GCV / UBRE的/ AIC的功能是计算并返回作为属性。

The basic idea of optimizing smoothing parameters "outer" to the P-IRLS loop was first proposed in O'Sullivan et al. (1986).
平滑参数外的P-IRLS循环优化的基本思路，首次提出在奥沙利文等。 （1986年）。


作者（S）----------Author(s)----------


Simon N. Wood <a href="mailto:simon.wood@r-project.org">simon.wood@r-project.org</a>



参考文献----------References----------

and marginal likelihood estimation of semiparametric generalized linear  models. Journal of the Royal Statistical Society (B) 73(1):3-36
functions in generalized linear models. J. Amer. Statist. Assoc. 81:96-103.
additive models. J.R.Statist.Soc.B 70(3):495-518


参见----------See Also----------

gam.fit3,  gam, mgcv, magic
gam.fit3，gam，mgcv，magic

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。