Plot.gam içinde kullanılan değerler mgcv olarak nasıl elde edilir?

Ben değerlerini öğrenmek istiyorum (x, y)komplo kullanılan plot(b, seWithMean=TRUE)içinde mgcv paketinde. Bu değerleri nasıl çıkarabileceğimi veya hesaplayabileceğimi bilen var mı?

İşte bir örnek:

library(mgcv) 
set.seed(0)
dat <- gamSim(1, n=400, dist="normal", scale=2) 
b   <- gam(y~s(x0), data=dat) 
plot(b, seWithMean=TRUE)

mgcv1.8-6 ile başlayarak plot.gam, grafikleri oluşturmak için kullandığı verileri görünmez bir şekilde döndürür, yani

pd <- plot(<some gam() model>)

çizim verilerini içeren bir liste verir pd.

AŞAĞIDAKİ CEVAP mgcv<= 1.8-5:

Ben arsa için arsa fonksiyonları çizmek mgcvşeyler dönmüyor gerçeği tekrar tekrar lanetledim - aşağıdaki çirkin ama çalışır:

library(mgcv) 
set.seed(0)
dat <- gamSim(1, n = 400, dist = "normal", scale = 2)
b <- gam(y ~ s(x0) + s(x1) + s(x2) + s(x3), data = dat)

plotData <- list()
trace(mgcv:::plot.gam, at = list(c(27, 1)), 
  ## tested for mgcv_1.8-4. other versions may need different at-argument.
  quote({
    message("ooh, so dirty -- assigning into globalenv()'s plotData...")
    plotData <<- pd
    }))
mgcv::plot.gam(b, seWithMean = TRUE, pages = 1)

par(mfrow = c(2, 2))
for (i in 1:4) {
  plot(plotData[[i]]$x, plotData[[i]]$fit, type = "l", xlim = plotData[[i]]$xlim,
    ylim = range(plotData[[i]]$fit + plotData[[i]]$se, plotData[[i]]$fit -
      plotData[[i]]$se))
  matlines(plotData[[i]]$x, cbind(plotData[[i]]$fit + plotData[[i]]$se, 
    plotData[[i]]$fit - plotData[[i]]$se), lty = 2, col = 1)
  rug(plotData[[i]]$raw)  
}

Paket visreg, GAM'a benzer efekt grafikleri oluşturabilir (ancak belki de aynı değil mi?) Ve bir liste olarak biçimlendirilmiş çizim bileşenlerini de çıktı olarak verir. Plyr kullanılarak çıktının veri çerçevesi yapılabilir. Misal:

plot <- visreg(model, type = "contrast")
smooths <- ldply(plot, function(part)   
  data.frame(x=part$x$xx, smooth=part$y$fit, lower=part$y$lwr, upper=part$y$upr))

Bu tam bir cevap olmayacak. gamNesneler için tüm çizim fonksiyonu ile yapılıyor plot.gam. Sadece yazarak koduna bakabilirsiniz

> plot.gam

R konsolunda. Gördüğünüz gibi kod çok büyük. Bundan çıkardığım şey, tüm çizimlerin ilgili bilgileri toplayarak yapıldığıpd bir liste olan nesnede . Olası çözümün bir düzenleme olacaktır Yani plot.gamkullanarak, edito nesneyi döndüren böylece, mesela. Sondan pdönce eklemek }yeterli olacaktır. invisible(pd)Bu nesneyi yalnızca siz sorarsanız döndürülecek şekilde eklemeyi öneririm :

> pd <- plot(b,seWithMean = TRUE)

Daha sonra bu nesneyi kontrol ve kod arama plot.gamhatlar için plotvelines . Sonra ilgili xve ydeğerlerden hangisinin grafikte göründüğünü göreceksiniz .

## And this is the code for multiple variables!
require(mgcv)
n      = 100
N      = n
tt     = 1:n
arfun  = c(rep(.7,round(n/3)),rep(.3,round(n/3)),rep(-.3,ceiling(n/3)))
arfun2 = c(rep(.8,round(n/3)),rep(.3,round(n/3)),rep(-.3,ceiling(n/3)))
int    = .1*(tt-mean(tt))/max(tt)-.1*((tt-mean(tt))/(max(tt)/10))^2
y      = rep(NA,n)
s.sample <- N
x        <- 10*rnorm(s.sample)
z        <- 10*rnorm(s.sample)
for(j in 1:n){
  y[j]=int[j]+x[j]*arfun[j]+z[j]*arfun2[j]+rnorm(1)  
}

mod = gam(y ~ s(tt) + s(tt, by=x) + s(tt, by=z)) 
## getting the data out of the plot
plotData <- list()
trace(mgcv:::plot.gam, at=list(c(25,3,3,3)),
      # this gets you to the location where plot.gam calls 
      #    plot.mgcv.smooth (see ?trace)
      # plot.mgcv.smooth is the function that does the actual plotting and
      # we simply assign its main argument into the global workspace
      # so we can work with it later.....

      quote({
        # browser()
        print(pd)
        plotData <<- c(plotData, pd)
      }))

# test: 
mgcv::plot.gam(mod, seWithMean=TRUE)


# see if it succeeded
slct = 3
plot(plotData[[slct]]$x, plotData[[slct]]$fit, type="l", xlim=plotData$xlim, 
     ylim=range(plotData[[slct]]$fit + plotData[[slct]]$se, plotData[[slct]]$fit - 
                plotData[[slct]]$se))
matlines(plotData[[slct]]$x, 
         cbind(plotData[[slct]]$fit + plotData[[slct]]$se, 
               plotData[[slct]]$fit - plotData[[slct]]$se), lty=2, col=1)
rug(plotData[[slct]]$raw)