我正在做一些建模工作,我试图参数化随季节和一天中的时间而变化的效果。一天中的时间效应以复杂的方式因季节而异,因此似乎最通用的方法是在周期性 [一天中的时间,一年中的一天] 空间中对效应进行建模。
所描述的效果与实际预测器和预测量具有非线性关系,因此我需要一个显式参数化,我可以使用非线性优化对其进行调整。
因此,最明显的选择是二维傅立叶基。任何人都可以推荐一个 R 包来生成这个吗?我找到了具有“create.fourier.basis”功能的 fda 包,但这似乎只适用于 1D。
除了傅立叶方法之外,我拥有的数据采样在 [一天中的某一天,一年中的某一天] 平面上是高度不规则的,因此理想情况下是一种更局部化的方法,例如周期性三次样条,我可以在其中放置更多的节点丰富的数据飞机的部分将是可取的。有谁知道为这种表示创建 2D 基础的 R 包?
最佳答案
mgcv 包可以创建两个或多个底层基函数的张量积基函数。它还允许循环三次和 p 样条,它们可用于您提到的变量,作为张量积的基础函数。
由于 mgcv 随 R 一起提供,因此我将从中开始。对于初学者,请查看 ?te
和 ?smooth.terms
。
关于用于创建多维周期基函数的 R 包?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/12809209/