这是跨张贴最早贴在stats.stackexchange.com后,因为我认为这涉及到更多的使用R和统计编码相比,但现在我明白我可能会在这里找到更活跃的R用户社区。 https://stats.stackexchange.com/questions/16346/difference-between-lp-or-simply-in-rs-locfit区别
我不知道我看到的金标准locfit包的文档中的R为当地logistic回归不同实例之间的区别:http://cran.r-project.org/web/packages/locfit/locfit.pdf
我得到starkingly不同的结果与
fit2<-scb(closed_rule ~ lp(bl),deg=1,xlim=c(0,1),ev=lfgrid(100), family='binomial',alpha=cbind(0,0.3),kern="parm")
从
fit2<-scb(closed_rule ~ bl,deg=1,xlim=c(0,1),ev=lfgrid(100), family='binomial',alpha=cbind(0,0.3),kern="parm")
。
差异的性质是什么?也许这可以帮助我,我想要的短语。我想到了一个逻辑链接函数预测closed_rule概率的线性指数。 lp的文档说它适合局部多项式 - 这很好,但我认为即使我将它排除在外也会发生。在任何情况下,该文件中是否有“局部回归”无论哪种方式...
区别似乎在于指定alpha的能力。我不知道怎么用lp()指定一个两列的alpha数组,如果我用scb离开这个选项,但是出了lp,那么情况就不一样了...... –