我正在研究使用R中的地球包的MARS模型。我的数据集（CE.Rda）由一个因变量（ D9_RTO_avg ）和10个潜在预测变量（< em> NDVI_l1 ， NDVI_f0 ， NDVI_f1 ， NDVI_f2 ， NDVI_f3 ， LST_l1 ， LST_f0 ， LST_f1 ， NDVI_f2 ， NDVI_f3 ）。接下来，我向您展示我的数据集的头部
D9_RTO_avg NDVI_l1 NDVI_f0 NDVI_f1 NDVI_f2 NDVI_f3 LST_l1 LST_f0 LST_f1 LST_f2 LST_f3
2 1.866667 0.3082 0.3290 0.4785 0.4330 0.5844 38.25 30.87 31 21.23 17.92
3 2.000000 0.2164 0.2119 0.2334 0.2539 0.4686 35.7 29.7 28.35 21.67 17.71
4 1.200000 0.2324 0.2503 0.2640 0.2697 0.4726 40.13 33.3 28.95 22.81 16.29
5 1.600000 0.1865 0.2070 0.2104 0.2164 0.3911 43.26 35.79 30.22 23.07 17.88
6 1.800000 0.2757 0.3123 0.3462 0.3778 0.5482 43.99 36.06 30.26 21.36 17.93
7 2.700000 0.2265 0.2654 0.3174 0.2741 0.3590 41.61 35.4 27.51 23.55 18.88_
按如下方式创建地球模型后
mymodel.mod <- earth(D9_RTO_avg ~ ., data=CE, nk=10)
我通过输入
打印结果模型的摘要print(summary(mymodel.mod, digits=2, style="pmax"))
我获得以下输出
D9_RTO_avg =
4.1
+ 38 * LST_f128.68
+ 6.3 * LST_f216.41
- 2.9 * pmax(0, 0.66 - NDVI_l1)
- 2.3 * pmax(0, NDVI_f3 - 0.23)
Selected 5 of 7 terms, and 4 of 13169 predictors
Termination condition: Reached nk 10
Importance: LST_f128.68, NDVI_l1, NDVI_f3, LST_f216.41, NDVI_f0-unused, NDVI_f1-unused, NDVI_f2-unused, ...
Number of terms at each degree of interaction: 1 4 (additive model)
GCV 2 RSS 4046 GRSq 0.29 RSq 0.29
我的问题是为什么当地球实际上是10时，地球正在识别13169个预测因子！？似乎MARS正在考虑候选预测因子的单一观察作为预测因子本身。我怎样才能避免MARS这样做？
感谢您的帮助