文件名称：一些非标准模型-3.kuka机器人ethercat通讯参数配置方法
文件大小：1.01MB
文件格式：PDF
更新时间：2024-07-03 02:08:48
R 数据分析 统计 数据科学
11.8 一些非标准模型 在结束本章前，我们简单提一下R 里面某些用于某些特殊回归和数据分析问题的 工具。 • 混合模型（Mixed models）。用户捐献包nlme里面提供了函数lme()和nlme()。 这些函数可以用于混合效应模型（mixed-effects models）的线性和非线性回 归。也就是说在线性和非线性回归中，一些系数受随机因素的影响。这些函数 需要充分利用公式来描述模型。 • 局部近似回归(Local approximating regressions)。函数loess() 利用局部加权回 归进行一个非参数回归。这种回归对显示一组凌乱数据的趋势和描述大数据集 的整体情况非常有用。 函数loess 和投影跟踪回归（projection pursuit regression）的代码一起放在标 准包stats 中。 • 稳健回归(Robust regression)。有多个函数可以用于拟合回归模型，同时尽量不 受数据中极端值的影响。在推荐包MASS 中的函数lqs 为高稳健性的拟合提供 了最新的算法。另外，稳健性较低但统计学上高效的方法同样可以在包MASS 中得到，如函数rlm。 • 累加模型(Additive models)。这种技术期望可以通过决定变量的平滑累加函数 （smooth additive function）构建回归函数。一般来说，每个决定变量都有一个 平滑累加函数。用户捐献的包acepack 里面的函数avas 和ace 以及包mda 里 面的函数bruto 和mars 为这种技术提供了一些例子。这种技术的一个扩充是用 户捐献包gam 和mgcv 里面实现的广义累加模型。 • 树型模型(Tree-based models)。除了利用外在的全局线性模型预测和解释数据， 还可以利用树型模型递归地在决定性变量的判断点上将数据的分叉分开。这样