最近需要做一个平滑曲线的处理，就是把对散点图进行拟合，给出一条最佳的拟合曲线，而且该曲线应该是平滑的。
于是去R中寻找相应的函数 ，发现smooth.Pspline()可以做这件事情（http://www.stat.wisc.edu/~xie/smooth_spline_tutorial.html）。用法如下：

smooth.Pspline(x, y, w=rep(1, length(x)), norder=2, df=norder + 2,
 spar=0, method=1)

x就是自变量，必须是严格递增的;另外一个函数smooth.spline()不要求这个
 严格的条件
y就是因变量

w是每个点的权重，默认值是每个点的权重都为1,可以认为指定某些点的权重，
从而增大某些点在拟合过程中的作用

norder 是曲线的级数，norder=2对应拟合3次方的曲线。这个值我不是很清楚

df  自由度。当method=2的时候决定曲线的平滑程度。d=1对应直线，d越小越
    平滑，当d很大的时候就变成折线图了。

spar  当method=1的时候决定曲线的平滑程度。spar=0对应散点图的折线图。
     它的值越大曲线越平滑.

cv 决定用ordinary cross-validation(true) 还是generalized cross-validation

method 决定曲线的平滑程度。
      method1 取决于spar的大小
      method2 取决于df 的大小

      method3 adjusts `spar' so that the generalized cross-validation criterion is 
      minimized
      
      method4 adjusts `spar' so that the ordinary cross-validation criterion is minimized
 
      method3和method4 都涉及到交叉验证参数的最小化。当spar为正值的时候它可以作为初始值，
      否则系统自动产生初始值。

      method3和method4都不依赖于spar和df的变动。

转载本文请联系原作者获取授权，同时请注明本文来自彭友松科学网博客。
链接地址：https://blog.sciencenet.cn/blog-54276-263895.html

上一篇：博士生怎样选择课题？
下一篇：R语言中的机器学习