地理加权回归 | 模型如何应用于新数据的预测?
专注系列化、高质量的R语言教程
推文索引 | 联系小编 | 付费合集
有读者不知道如何用地理加权回归去预测新的数据。本篇以常用的两个工具包为例进行介绍。
本篇目录如下:
0 数据准备
1 spgwr工具包
2 GWmodel工具包
3 结语
相关推文:
spgwr | R语言与地理加权回归(Ⅰ-1):线性地理加权回归
spgwr | R语言与地理加权回归(Ⅰ-2):广义线性地理加权回归
GWmodel | 地理加权模型(Ⅱ-1):地理加权主成分分析(GWPCA)
GWmodel | 地理加权模型(Ⅱ-2):如何查看地理加权回归的显著性
0 数据准备
示例数据是来自spData
工具包的NY8_utm18.shp
。该数据在推文线性地理加权回归中使用过。
library(rgdal)
NY8 <- readOGR(system.file("shapes/NY8_utm18.shp",package = "spData"))
该数据共包含281个空间单元。随机选择其中的276个作为模型数据,剩余5个作为预测数据。代码如下:
set.seed(0312)
modelid <- sample(1:281, 276)
predid <- setdiff(1:281, modelid)modeldata <- NY8[modelid,]
preddata <- NY8[predid,]plot(modeldata)
plot(preddata, add = T, col = "red")
1 spgwr工具包
使用spgwr
工具包的函数运行一个地理加权模型:
library(spgwr)
form <- Z ~ PEXPOSURE + PCTAGE65P + PCTOWNHOME
bw <- gwr.sel(formula = form, data = modeldata,gweight = gwr.Gauss, method = "cv")model <- gwr(formula = form, data = modeldata,bandwidth = bw, gweight = gwr.Gauss)
该模型不能使用predict()
函数进行预测:
predict(model, preddata)
## Error in UseMethod("predict") :
## no applicable method for 'predict' applied to an object of class "gwr"
在R语言中,使用什么函数预测模型需要看对应工具包的设计。比如spgwr
工具包,在帮助文档中可以发现gwr()
函数有两个参数与模型预测有关:
fit.points
: an object containing the coordinates of fit points; often an object from package sp; if missing, the coordinates given through the data argument object, or the coords argument are used;
predictions
: default FALSE; if TRUE and no fit points given, return GW fitted values at data points, if fit points given and are a Spatial*DataFrame object containing the RHS variables in the formula, return GW predictions at the fit points.
因此,在spgwr
工具包中模型运行和预测使用的是同一个函数;如需使用新数据进行预测,需使用fit.points
参数指定包含新数据的矢量数据,并设置predictions = TRUE
。
model12 <- gwr(formula = form, data = modeldata,bandwidth = bw, gweight = gwr.Gauss,fit.points = preddata,predictions = T)
## 查看预测结果
model12$SDF$pred
## [1] 0.04586992 -0.36963028 -0.09173360 -0.39631776 0.13528131
对比
model
和model12
的SDF
可以发现:不需要模型预测的model
,其SDF@data
对应的是模型数据;需要模型预测的model12
,其SDF@data
对应的是预测数据;其他函数如
ggwr()
函数的预测方法类似。
2 GWmodel工具包
使用GWmodel
工具包的函数运行一个地理加权模型(带宽参数bw
仍使用上例的值):
library(GWmodel)
model2 <- gwr.basic(formula = form, data = modeldata,bw = bw, kernel = "gaussian")
该工具包同样不支持使用predict()
函数进行模型预测:
predict(model2, preddata)
## Error in UseMethod("predict") :
## no applicable method for 'predict' applied to an object of class "gwrm"
查看帮助文档可发现一个gwr.predict()
函数,其参数predictdata
的说明如下:
predictdata
: a Spatial*DataFrame object to provide prediction locations, i.e. SpatialPointsDataFrame or SpatialPolygonsDataFrame as defined in package sp.
示例如下:
model22 <- gwr.predict(formula = form, data = modeldata,bw = bw, kernel = "gaussian",predictdata = preddata)
## 查看预测结果
model22$SDF$prediction
## [1] 0.04586992 -0.36963028 -0.09173360 -0.39631776 0.13528131
3 结语
关于R语言中的函数使用方法,学堂君在下面的推文中已经介绍了:
如何正确使用R语言的函数——为什么有的模型结果不能使用summary函数查询?
地理加权回归 | 模型如何应用于新数据的预测?相关推荐
- R语言构建回归模型并获取对于新数据预测的预测区间实战:给出预测区间而不是一个具体的预测值、置信区间与预测区间的异同
R语言构建回归模型并获取对于新数据预测的预测区间实战:95%或者99%预测区间而不是一个具体的预测值.置信区间与预测区间的异同 目录
- gis中的加权求和工具在哪里_干货分享 | 地理加权回归介绍及其arcgis软件操作
一.地理加权回归模型概述 橘生淮南则为橘,生于淮北则为枳,叶徒相似,其实味不同.所以然者何?水土异也.--<晏子春秋·内篇杂下>这段文字很好的描述了空间异质性.从地理空间的角度,经济发展尤 ...
- ArcGIS与地理加权回归【三】
开 工 大 急 原址链接: ArcGIS与地理加权回归[三]https://mp.weixin.qq.com/s/x85EXKImSHio1IZovW9qdA 接着5个月之前..... ...
- spgwr | R语言与地理加权回归(Ⅰ-1):线性地理加权回归
地理加权回归(Geographically Weighted Regression, GWR)经过多年发展,已经具备了多种形式,在R语言中也对应着多个工具包,其中spgwr是一个开发较早.比较经典的工 ...
- R语言地理加权回归数据分析
在自然和社会科学领域有大量与地理或空间有关的数据,这一类数据一般具有严重的空间异质性,而通常的统计学方法并不能处理空间异质性,因而对此类型的数据无能为力.以地理加权回归为基础的一系列方法:经典地理加权 ...
- 白话空间统计二十四:地理加权回归(八)结果解读(一)
地理加权回归分析完成之后,与OLS不同的是会默认生成一张可视化图,像下面这张一样的: 这种图里面数值和颜色,主要是系数的标准误差.主要用来衡量每个系数估计值的可靠性.标准误差与实际系数值相比较小时,这 ...
- 空间地理加权回归stata_xy妙妙屋丨地理加权回归和空间自相关
关于地理加权回归和空间自相关 菜鸡的我只是大神文章的搬运工orz,本意是想搞清楚双变量局部空间自相关和地理加权回归的区别,虽然依旧一知半解,但是,害.(下面网址我不会搞超链接,我发现有点麻烦,所以我懒 ...
- R语言GWR地理加权回归
最近需要用到GWR地理加权回归,数据量有5万条,使用了GIS.GWR4进行计算,但都没能成功.应该是数据量过大. 参考相关博客,还有一个方法是R语言的实现.因为没怎么接触过R语言,所有想请问一下各位, ...
- R语言glm拟合logistic回归模型实战:基于glm构建逻辑回归模型及模型系数统计显著性分析、每个预测因子对响应变量的贡献
R语言glm拟合logistic回归模型实战:基于glm构建逻辑回归模型及模型系数统计显著性分析.每个预测因子对响应变量的贡献 目录
最新文章
- 这个小学生毕业典礼被全世界围观:疫情之下开脑洞,《我的世界》还能这样玩!中国网友:作业写不完的我感到嫉妒...
- 归并排序(C++版)
- adf4351使用方法_ADF:使用HTTP POST方法进行URL任务流调用
- springboot:web开发-Thymeleaf
- LInux下Ubuntu下查看端口占用及关闭
- Python copy模块浅拷贝和深拷贝
- 浏览器缓存机制(优化)
- 如何调后端接口_看了都说好:浅谈前后端分工协作
- 再见!经典版Edge!
- android.cat 镜像,Android开发利器之pidcat安装方式
- PyYAML和configparser模块讲解
- Linux 内核 SMP 代码追踪 --- cpumask
- 西南大学计算机应用基础作业答案2020,2018秋【西南大学】[0483]《计算机应用基础》作业(资料)...
- 十月微信小程序导航:官方文档+精品教程+demo集合(10月14日更新)
- 解决iOS 12.4 (16G77), which may not be supported by this version of Xcode
- PS修改图片上的文字
- 用户画像标签体系建设指南
- 自制裸眼3D图【推荐】
- Python爬虫入门教程06:爬取数据后的词云图制作
- 火线 地线 零线 漫谈
热门文章
- Redis设计与实现-读书笔记
- 三-五功能/半亮/25%亮/全亮/爆闪/SOS_专用应急灯手电筒IC方案
- 字符串处理:输入字符串s1和s2以及插入位置f,在字符串s1中的指定位置f处插入字符串s2。如输入BEIJING, 123, 3,则输出:BEI123JING。
- 使用联想计算节点的方法整理
- java finalize方法总结、GC执行finalize的过程
- 最短路计数(dp+最短路)
- QVector元素增删改
- 【javascript】class的继承之super的使用
- unity获取麦克风音量_Unity调取移动端的麦克风进行录音并播放
- python编程控制机器人_基于Python开发的微信图灵机器人