时间戳

首页 > 解决方案 > 从 GAM 预测 R 中分组数据帧的值

r - 从 GAM 预测 R 中分组数据帧的值

问题描述

我有一个不同年份不同纬度的年平均温度值数据集。我想用它来预测在给定年份可以找到给定温度的纬度；即，“在 1980 年，年平均温度在 20C 的纬度是多少？”

我需要为此使用特定年份的模型，因为纬度和温度之间的关系随时间而变化（尽管在下面的示例数据中没有，它是随机生成的）。这将涉及：

  1. 将 GAM 拟合到按年份分组/拆分的数据集。
  2. 对于每个不同的 GAM（即每年），用于predict.gam计算温度列表中每个元素的预测值。
  3. 重新组合这些以获得一个数据框，其中的列表示year、newdata_value （用于预测的温度值）和predicted_value（将每个newdata_value输入特定年份的 GAM 的纬度）。

这是一个玩具数据集：

years <- seq(1968, 2018, 1)
lat <- seq(34.5, 44.5, 1)
dat <- expand.grid(years, lat)
names(dat) <- c("years","lat")
dat$temp <- runif(dim(dat)[1], 5, 20) # add random temperature data points 
newdata_values <- seq(2, 16, 2) # temperature values to use for prediction

我尝试了各种解决方案purrr，split-apply-combine但没有弄清楚任何事情。有什么建议么？

标签： rapplypurrrgam

解决方案

另一种选择是拟合允许纬度/温度关系随年份变化的模型。有几种选择。以下拟合每年都有独立关系的模型：

gam(lat ~ year + s(temp, by = year), data = dat)

请注意，对于此公式，year应将其编码为一个因素。

另一种方法是允许纬度/温度关系逐年平稳变化，如果这种关系随时间逐渐变化，这是一个合理的模型。在这种情况下，您将需要使用张量积 smooth ( te()) 来指示不同尺度（度、年）上的变量之间的双向交互：

gam(lat ~ te(temp, year), data = dat)

在这两种情况下，您都可以使用 进行预测predict.gam(model, newdata = new_dat)，其中new_dat同时具有year和temp列。

推荐阅读