【视频】广义相加模型（GAM）在电力负荷预测中的应用（上）：https://developer.aliyun.com/article/1491662
点击标题查阅往期内容
R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
01
02
03
04
让我们使用summary函数对第一个模型进行诊断。
## ## Family: gaussian ## Link function: identity ## ## Formula: ## Load ~ s(Daily, bs = "cr", k = period) + s(Weekly, bs = "ps", ## k = 7) ## ## Parametric coefficients: ## Estimate Std. Error t value Pr(>|t|) ## (Intercept) 2731.67 18.88 144.7 <2e-16 *** ## --- ## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 ## ## Approximate significance of smooth terms: ## edf Ref.df F p-value ## s(Daily) 10.159 12.688 119.8 <2e-16 *** ## s(Weekly) 5.311 5.758 130.3 <2e-16 *** ## --- ## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 ## ## R-sq.(adj) = 0.772 Deviance explained = 77.7% ## GCV = 2.4554e+05 Scale est. = 2.3953e+05 n = 672
EDF：估计的自由度–可以像对给定变量进行平滑处理那样来解释（较高的EDF值表示更复杂的样条曲线）。P值：给定变量对因变量的统计显着性，通过F检验进行检验（越低越好）。调整后的R平方（越高越好）。我们可以看到R-sq.（adj）值有点低。
让我们绘制拟合值：
我们需要将两个自变量的交互作用包括到模型中。
第一种交互类型对两个变量都使用了一个平滑函数。
gam_2 <- gam(Load ~ s(Daily, Weekly), summary(gam_2)$r.sq ## \[1\] 0.9352108
R方值表明结果要好得多。
summary(gam_2)$s.table ## edf Ref.df F p-value ## s(Daily,Weekly) 28.7008 28.99423 334.4754 0
似乎也很好，p值为0，这意味着自变量很重要。拟合值图：
现在，让我们尝试上述变量交互。这可以通过function完成te，也可以定义基本函数。
## \[1\] 0.9268452
与以前的模型相似gam_2。
summary(gam_3)$s.table ## edf Ref.df F p-value ## te(Daily,Weekly) 23.65709 23.98741 354.5856 0
非常相似的结果。让我们看一下拟合值：
与gam_2模型相比，只有一点点差异，看起来te拟合更好。
## \[1\] 0.9727604 summary(gam_4)$sp.criterion ## GCV.Cp ## 34839.46 summary(gam_4)$s.table ## edf Ref.df F p-value ## te(Daily,Weekly) 119.4117 149.6528 160.2065 0
我们可以在这里看到R方略有上升。
让我们绘制拟合值：
这似乎比gam_3模型好得多。
## \[1\] 0.965618 summary(gam\_4\_fx)$s.table ## edf Ref.df F p-value ## te(Daily,Weekly) 335 335 57.25389 5.289648e-199
我们可以看到R平方比模型gam_4低，这是因为我们过度拟合了模型。证明lambda和EDF的估计工作正常。
因此，让我们在案例（模型）中尝试ti方法。
## \[1\] 0.9717469 summary(gam_5)$sp.criterion ## GCV.Cp ## 35772.35 summary(gam_5)$s.table ## edf Ref.df F p-value ## s(Daily) 22.583649 27.964970 444.19962 0 ## s(Weekly) 5.914531 5.995934 1014.72482 0 ## ti(Daily,Weekly) 85.310314 110.828814 41.22288 0 然后使用t2。 ## \[1\] 0.9738273 summary(gam_6)$sp.criterion ## GCV.Cp ## 32230.68 summary(gam_6)$s.table ## edf Ref.df F p-value ## t2(Daily,Weekly) 98.12005 120.2345 86.70754 0
我还输出了最后三个模型的GCV得分值，这也是在一组拟合模型中选择最佳模型的良好标准。我们可以看到，对于t2相应模型gam_6，GCV值最低。
在统计中广泛使用的其他模型选择标准是AIC（Akaike信息准则）。让我们看看三个模型：
AIC(gam\_4, gam\_5, gam_6) ## df AIC ## gam_4 121.4117 8912.611 ## gam_5 115.8085 8932.746 ## gam_6 100.1200 8868.628
最低值在gam_6模型中。让我们再次查看拟合值。
我们可以看到的模型的拟合值gam_4和gam_6非常相似。可以使用软件包的更多可视化和模型诊断功能来比较这两个模型。
第一个是function gam.check，它绘制了四个图：残差的QQ图，线性预测变量与残差，残差的直方图以及拟合值与因变量的关系图。让我们诊断模型gam_4和gam_6。
gam.check(gam_4)
## ## Method: GCV Optimizer: magic ## Smoothing parameter selection converged after 7 iterations. ## The RMS GCV score gradiant at convergence was 0.2833304 . ## The Hessian was positive definite. ## The estimated model rank was 336 (maximum possible: 336) ## Model rank = 336 / 336 ## ## Basis dimension (k) checking results. Low p-value (k-index<1) may ## indicate that k is too low, especially if edf is close to k'. ## ## k' edf k-index p-value ## te(Daily,Weekly) 335.00 119.41 1.22 1 gam.check(gam_6)
## ## Method: GCV Optimizer: magic ## Smoothing parameter selection converged after 9 iterations. ## The RMS GCV score gradiant at convergence was 0.05208856 . ## The Hessian was positive definite. ## The estimated model rank was 336 (maximum possible: 336) ## Model rank = 336 / 336 ## ## Basis dimension (k) checking results. Low p-value (k-index<1) may ## indicate that k is too low, especially if edf is close to k'. ## ## k' edf k-index p-value ## t2(Daily,Weekly) 335.00 98.12 1.18 1
我们可以再次看到模型非常相似，只是在直方图中可以看到一些差异。
layout(matrix(1:2, nrow = 1)) plot(gam_4, rug = FALSE, se = FALSE, n2 = 80, main = "gam n.4 with te()") plot(gam_6, rug = FALSE, se = FALSE, n2 = 80, main = "gam n.6 with t2()")
该模型gam_6 有更多的“波浪形”的轮廓。因此，这意味着它对因变量的拟合度更高，而平滑因子更低。
vis.gam(gam_6, n.grid = 50, theta = 35, phi = 32, zlab = "", ticktype = "detailed", color = "topo", main = "t2(D, W)")
我们可以看到最高峰值是Daily变量的值接近30（下午3点），而Weekly变量的值是1（星期一）。
vis.gam(gam_6, main = "t2(D, W)", plot.type = "contour", color = "terrain", contour.col = "black", lwd = 2)
再次可以看到，电力负荷的最高值是星期一的下午3:00，直到星期四都非常相似，然后负荷在周末减少。
