最新R语言局部多项式回归拟合LOESS回归案例分析报告 附代码数据Word文件下载.docx

最新R语言局部多项式回归拟合LOESS回归案例分析报告 附代码数据Word文件下载.docx

《最新R语言局部多项式回归拟合LOESS回归案例分析报告 附代码数据Word文件下载.docx》由会员分享，可在线阅读，更多相关《最新R语言局部多项式回归拟合LOESS回归案例分析报告 附代码数据Word文件下载.docx（14页珍藏版）》请在冰豆网上搜索。

它控制平滑的程度。

所以，值越大span，拟合曲线越平滑。

在没有解释变量的情况下，预测变量可以仅仅是从1到观察次数的指数。

如果有其他解释变量可用，也可以使用它们（最多4个）。

例子

对于这个例子，我们将尝试根据数据包中的数据集，对失业的中位数时间进行局部回归和平滑处理。

我们只考虑这个分析的前80行，因此在下面的图表中更容易观察平滑的程度。

economicsggplot2

data（economics,package="

ggplot2"

）#loaddata

economics$index<

-1:

nrow（economics）#createindexvariable

economics<

-economics[1:

80,]#retail80rowsforbettergraphicalunderstanding

loessMod10<

-loess（uempmed~index,data=economics,span=0.10）#10%smoothingspan

loessMod25<

-loess（uempmed~index,data=economics,span=0.25）#25%smoothingspan

loessMod50<

-loess（uempmed~index,data=economics,span=0.50）#50%smoothingspan

预测LOESS

#getsmoothedoutput

smoothed10<

-predict（loessMod10）

smoothed25<

-predict（loessMod25）

smoothed50<

-predict（loessMod50）

从上图可以看出，随着跨度的增加，曲线的平滑度也随之增加。

#Plotitplot（economics$uempmed,x=economics$date,type="

l"

main="

LoessSmoothingandPrediction"

xlab="

Date"

ylab="

Unemployment（Median）"

）lines（smoothed10,x=economics$date,col="

red"

）lines（smoothed25,x=economics$date,col="

green"

）lines（smoothed50,x=economics$date,col="

blue"

）

寻找最佳的平滑范围

随着平滑span度的变化，拟合曲线的精度也会发生变化。

如果你的意图是最小化错误，那么optim（）可以用它来找到span最小化平方误差和（SSE）的值。

对于这种情况，从图形上直观的看，较低的上证指数可能会在较低的价值下实现span，但对于更具挑战性的情况，optimizing跨度可能有所帮助。

为了实现optim（），我们定义了计算SSE的函数。

需要一个错误处理机制来解决span产生非数字的非常低的值和情况。

模拟退火方法（SANN）在这里实现，以找到span最小的SSE。

该par参数指定的第一个值span处optim（）开始搜索。

#definefunctionthatreturnstheSSE

calcSSE<

-function（x）{

loessMod<

-try（loess（uempmed~index,data=economics,span=x）,silent=T）

res<

-try（loessMod$residuals,silent=T）

if（class（res）!

="

try-error"

）{

if（（sum（res,na.rm=T）>

0））{

sse<

-sum（res^2）

}

}else{

-99999

return（sse）

}#RunoptimtofindspanthatgivesminSSE,startingat0.5optim（par=c（0.5）,calcSSE,method="

SANN"

）#>

$par#>

[1]0.05433545#>

#>

$value#>

[1]3.85753e-28#>

$counts#>

functiongradient#>

10000NA#>

$convergence#>

[1]0#>

$message#>

NULL

对于这种情况，最好的span结果是0.05433SSE和最小的SSE 

3.85e-28。

LOESS回归是用来平滑易变的时间序列的最常见的方法。

这是一种非参数方法，其中最小二乘回归在局部子集中执行，这使得它成为平滑任何数值向量的合适候选者。

代码为剧情

#Plotitplot（economics$uempmed,x=economics$date,type="

eco