mutate 和 predict.gam 结果 Na/NaN/inf 问题

Question

我对一些数据有疑问，我根本不明白为什么。

我正在尝试使用 GAM 从var3估计var4 。

这是我用来获取模型的数据集：

for_model <- read.csv("https://raw.githubusercontent.com/fredlm/mockup/master/for_model.csv")

以及我想估计var4的数据集：

for_est <- read.csv("https://raw.githubusercontent.com/fredlm/mockup/master/for_est.csv")

我所做的，很简单：

for_est <- for_est %>%
mutate(var4 = ifelse(!var3 == 0, predict.gam(gam(var4 ~ s(log(var3)), data = for_model), newdata = .), NA))

它返回以下错误：

错误： mutate()列var4 。 var4 = predict.gam(gam(var4 ~ s(log(var3)), data = for_model), newdata = .) 。 x NA/NaN/Inf 在外部函数调用中 (arg 1)

尽管在网络上进行了彻底的研究并在我的数据上花费了几个小时，但我找不到如何解决这个问题......

但是，当我绘制 GAM 时，一切都很好：

ggplot(data = for_model,
       aes(x = var3,
           y = var4)) +
  geom_point() +
  geom_smooth(method = "gam",
              formula = y~s(log(x)))

知道如何解决这个问题吗？ 我一直在寻找 NaN 或 Inf 值，但没有。 此外，当我试图从var2估计var4时——这与var3非常相似——事情运行良好......

for_est <- for_est %>%
  mutate(var4 = ifelse(!var2 == 0, predict.gam(gam(var4 ~ s(log(var2)), data = for_model), newdata = .), NA))

非常感谢！

ps：我为相当大的文件道歉，但鉴于我不明白这个问题，我认为提供所有这些文件可能更有意义...... :)

Answer 1

当你使用ifelse远离var3 == 0时，你需要以同样的方式限制for_est输入数据。 （我将模型求解与预测分开，只是为了使测试更快，这无关紧要）

gamfit <- gam(var4 ~ s(log(var3)), data = for_model)
for_est <- for_est %>%
  mutate(var4 = ifelse(var3 != 0, predict(gamfit, newdata = .[var3 != 0, ]), NA_real_))