Question

我对R还是很陌生，我正在尝试使用mgcv::gam函数为数据建模，但是它具有很多解释变量。我知道，使用常规的线性回归模型，您可以只使用.来解释变量，但是GAM是否也适用？还是有另一种将所有变量都包含在数据集中的简便方法？

假设我有a至z的解释变量，并且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一点？

任何建议将不胜感激！

Answer 1

据我所知，还没有一个y ~ .涵盖这一点。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。假设您正在使用mtcars数据框，并且您的y变量是mpg。

然后提供以下服务：

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

所以重点是collapse参数，并加上括号。在您的应用程序中，将是

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

在R中使用GAM的多个解释变量

1 个答案: