案例分析：回归

2023-08-14 04:00| 来源: 网络整理| 查看: 265

,欢迎也在微信公众号查看。

背景知识

本部分内容主要是对气象站点的气温进行回归-克里金（regression-kriging，RK）插值生成气温表面图。RK方法是地统计中常用的方法，由趋势项和残差项构成。趋势项在该例中通过以气温为因变量，高程、站点到海岸线的距离为自变量，建立二着的线性模型，对残差建立克里金模型。使用RK的唯一要求是存在一个或多个与因变量显著相关的协变量。本例中将会用到七种回归算法，并利用10-fold CV来进行验证和均方根误差作为评估（Root-mean-square error，RMSE）。

10-fold CV(10-foldcross-validation),一种交叉验证方法，将数据集分成10份，轮流将其中9份用于训练，1份用于测试，循环10次，求准确度的平均值。

七种方法 Interpolation: 普通克里金(Ordinary Kriging,OK) 相关参数说明（半变异函数、变程等）可查看以下视频https://www.bilibili.com/video/BV13E411T74X/Regression: 广义线性模型(Generalized Linear Model,GLM)广义加性模型 (Generalized Additive Models, GAM)随机森林模型(Random Forest ,RF)Regression-kriging: GLM + OK of residualsGAM + OK of residualsRF + OK of residuals 案例实现

本例中的数据是1950-2000年95个站点每天的平均气温，辅助数据为Elevation (Elev in meters a.s.l.), Distance to the coastline (distCoast in degrees); Latitude (Lat in degrees), and, Longitude (Lon in degrees).

数据下载

https://raw.githubusercontent.com/joaofgoncalves/R_exercises_raster_tutorial/master/data/CLIM_DATA_PT.zip

数据解压至F:/test/data-raw

library(raster)

## Loading required package: sp

setwd("F:/test/data-raw") fl

【本文地址】

公司简介

联系我们