利用广义可加模型对分类数据进行曲线拟合

收到粉丝投稿要求我做个这样的图，来自于2017年发表在Eur Urol期刊（SCI IF=17.9分）。The Impact of Local Treatment on Overall Survival in Patients with Metastatic Prostate Cancer on Diagnosis: A National Cancer Data Base Analysis. Eur Urol, 2017.

目前常用的曲线拟合主要是广义可加模型和RCS，既往我已经介绍了《利用重抽样获取mgcv包的广义可加模型函数曲线的可信区间（3）》，上图其实就是在这个的基础上进行分类的曲线拟合。

说的是什么意思呢？对于上图来说就是，男女就是两个变量对于随着年龄变化他们吸烟率的变化，我这张图两张曲线没有交点，第一张图有，表示横轴X演变到了一个点，不同类别的变量，概率发生了变化，原来红线高的，后面变低了。下面来演示一下，使用一个吸烟数据（公众号回复：吸烟数据2，可以获得数据），我们先把数据导入

ac1<-read.csv("E:/r/test/smoke2.csv",sep=',',header=TRUE)
library(VGAM)
library(data.table)
library(ggplot2)

这个数据很简单，其实就是上次的吸烟数据中加了性别，smoke_w1为吸烟状态，结局变量，sex是性别，age_w1是患者的年龄。
我们想了解不同性别随着年龄变化吸烟的情况，先把smoke_w1转成二分类的，就是是否吸烟

ac1$cursmoke<-as.integer(ac1$smoke_w1=="(1) Cur Smok")

现在可以正式分析了，我用的是vgam包来拟合广义可加模型，gam也是可以的，做法也是相同的

mgam.lr1<-vgam(cursmoke~sex+s(age_w1,df=3),family = binomialff(link = "logitlink"),data = ac1,model = T)

解析模型，P小于0.05

生成预测模型数据

在预测模型数据上生成概率

newdat$yhat<-predict(mgam.lr1,newdata=newdat,type="response")

生成了预测概率后就可以绘图了

ggplot(newdat,aes(age_w1,yhat,col=sex))+geom_line(size=2)+scale_color_viridis(discrete=T)+xlab("year")+ylab("吸烟概率")+coord_cartesian(xlim = range(ac1$age_w1),ylim = c(0,0.5),expand = F)

美化一下就可以用于发表了

我们还可以在这个的基础上进行重抽样获取它的可信区间，可以参考文章《利用重抽样获取mgcv包的广义可加模型函数曲线的可信区间（3）》的做法。如果两条曲线相交了，我们怎么找它的交点呢？通过预测值列表哪里找就可以了。

OK，本章结束觉得有用的话多多分享哟。
原创不易，需要文章全部代码的朋友，请把本文章转发朋友圈集10个赞，截图发给我，嫌麻烦的可以在这里下载https://download.csdn.net/download/dege857/86053624?spm=1001.2014.3001.5501

利用广义可加模型对分类数据进行曲线拟合相关推荐

统计学习导论_统计学习导论 | 读书笔记15 | 广义可加模型
ISLR 7.7 广义可加模型要点: 0.广义可加模型介绍 1.用于回归问题的GAM -- 多元线性回归的推广 2.用于分类问题的GAM -- 逻辑回归的推广 3.GAM的优点与不足 0. Gene ...
利用sklearn库决策树模型对iris数据多分类并进行评估
1.导入所需要的库 from sklearn.tree import DecisionTreeClassifier from sklearn.datasets import load_iris 2.加 ...
广义可加模型GAM在python上的复现
转自: 比较新的一篇GAM在python上的简易复现 https://blog.csdn.net/qq_41103204/article/details/104679779 目录 1 安装pyGAM ...
❤️解决非线性回归问题的机器学习方法总结：多项式线性模型、广义线性(GAM)模型、回归树模型、支持向量回归(SVR)模型
文章目录前言多项式回归模型概念解释: sklearn实现多项式回归模型: 广义线性可加(GAM)模型概念解释: pygam实现广义线性可加模型: GAM模型的优点与不足: 回归树模型概念解释 ...
R数据分析：变量间的非线性关系，多项式，样条回归和可加模型
之前的文章中都是给大家写的变量间线性关系的做法,包括回归和广义线性回归,变量间的非线性关系其实是很常见的,今天给大家写写如何拟合论文中常见的非线性关系.包括多项式回归Polynomial regres ...
R语言广义加性模型（GAMs：Generalized Additive Model）建模：数据加载、划分数据、并分别构建线性回归模型和广义线性加性模型GAMs、并比较线性模型和GAMs模型的性能
R语言广义加性模型(GAMs:Generalized Additive Model)建模:数据加载.划分数据.并分别构建线性回归模型和广义线性加性模型GAMs.并比较线性模型和GAMs模型的性能目录
ML之interpret：基于titanic泰坦尼克是否获救二分类预测数据集利用interpret实现EBC模型可解释性之全局解释/局部解释案例
ML之interpret:基于titanic泰坦尼克是否获救二分类预测数据集利用interpret实现EBC模型可解释性之全局解释/局部解释案例目录基于titanic泰坦尼克是否获救二分类预测数据 ...
R语言构建文本分类模型：文本数据预处理、构建词袋模型(bag of words)、构建xgboost文本分类模型、基于自定义函数构建xgboost文本分类模型
R语言构建文本分类模型:文本数据预处理.构建词袋模型(bag of words).构建xgboost文本分类模型.基于自定义函数构建xgboost文本分类模型目录
R语言广义加性模型GAMs：可视化每个变量的样条函数、样条函数与变量与目标变量之间的平滑曲线比较、并进行多变量的归一化比较、测试广义线性加性模型GAMs在测试集上的表现(防止过拟合)
R语言广义加性模型GAMs:可视化每个变量的样条函数.样条函数与变量与目标变量之间的平滑曲线比较.并进行多变量的归一化比较.测试广义线性加性模型GAMs在测试集上的表现(防止过拟合) 目录

利用广义可加模型对分类数据进行曲线拟合

利用广义可加模型对分类数据进行曲线拟合相关推荐

最新文章

热门文章