如何选择RCS曲线最佳节点数?

2024-06-14 08:04
文章标签 最佳 选择 节点 曲线 rcs

本文主要是介绍如何选择RCS曲线最佳节点数?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

样条曲线本质是一个分段多项式函数,此函数受限于某些控制点,称为 “节点”,节点放置在数据范围内的多个位置,多项式的类型以及节点的数量和位置决定了样条曲线的类型。

其中,RCS节点的数量比位置更重要。由于节点个数的选择和自由度有关, 所以当样本量比较大的时候可以设置较多的节点。但是节点越多, 自由度越大, 模型越复杂, 越难解释。

那么如何确定RCS曲线的最优节点数呢?

在«Regression Modeling Strategies»这本书中,Harrell建议节点数为4时,模型的拟合效果较好,即同时可以兼顾曲线的平滑程度以及避免过拟合造成的精确度降低。当样本量较大时,5个节点是更好的选择。小样本(n<30)可以选择3个节点。当节点的个数为2时,得到的拟合曲线就是一条直线。因此,大多数研究者推荐的节点为3-5个。但是一个一个试验跑代码,未免有点太耗时耗力。

这里推荐大家使用风暴统计平台进行分析,可以帮助您快速确认最佳节点数!

风暴统计是由浙江中医药大学的郑卫军教授基于R语言开发的,平台将复杂的参数设置转换为了菜单式操作模式,只需在对应选框更改节点数,实时更新曲线变化结果,超快速!还提供AIC与BIC智能确定最佳节点数的功能

下面我们就结合一份实操数据来为大家详细介绍一下风暴统计平台绘制RCS曲线的具体步骤!

实操具体网址:https://shiny.medsta.cn/trend/

或者百度、必应Bing搜索“风暴统计”

本平台上线的所有工具都是免费的

692f62a43f05f28004bd54dca5e24937.png

1.进入风暴统计平台

首先,浏览器搜索风暴统计,依次点击"风暴智能统计"——"临床研究趋势分析"——"趋势性分析与RCS"!进入分析界面后,根据提示,完成数据的导入与整理。

这里我们不再赘述数据的导入与整理过程,详细教程大家可以点击下方链接:

详细指南!风暴统计如何高效导入数据,统计分析快人一步?

详细版!如何利用风暴统计进行数据的整理转换?

d4e79a3308d1a5fdc97bc0705afe4234.png

我们绘制RCS曲线就可以直接来到"非线性趋势RCS图"模块啦!

风暴统计平台提供了“线性回归”、“logistic回归”、“COX回归”三大常见的回归的RCS绘制!一站式满足不同研究者的统计需求。

0d9d437b94ff91e5afecb9a8d3afd5be.png

2.选择变量

这里我们以logistic回归为例,进行下面的实操!

绘制单因素回归的RCS曲线,只需要选入”因变量“”连续型自变量“(因变量只能是二分类以0、1赋值哦!)

bcab753497d56e3187d87befa9d60959.png

如果,想要绘制调整协变量后的RCS曲线,只需要在”潜在混杂变量筛选设置“里模块的下拉框中,依次勾选想要调整的协变量!

0592b844defe1a855ef83fc70e3e5666.png

平台就会实时出现调整协变量后的RCS曲线啦!超快速!这时默认的节点数是4!

00eea38b5f35714691f776629bf723fa.png

最最最重要的节点数自定义设置来啦!!关于RCS曲线的节点数选择,平台给出了3种形式!

  • 自定义节点数

  • 根据AIC

  • 根据BIC

如果选择自定义节点数,平台支持3-7个节点设置,可以逐一调整,观察曲线变化,不到半分钟,不同节点数对应的图形全部得到!

此外,平台还可以根据AIC值、BIC值确定最佳的节点数,更加智能!

AIC和BIC都是用来衡量模型拟合优良性的指标,一般认为,AIC或BIC越小,则模型的拟合效果越好,根据这一原理,平台会根据不同节点模型的比较,选择最佳节点数制图!

如下图,我们选择根据AIC值来定义节点数,可以发现曲线发生了变化。

f3c5f62d40509ce27cbc6e82a4a632fa.png

另外,在"模型拟合信息"中,可以看到此时定义的最佳节点数是3,这时的AIC值相比4-7个节点数也都是最小的!

b645a3e19b6999ddaa0dc2149470f253.png

3.下载结果

最后在曲线下载设置中,选择下载图片,保存类型,曲线页面,中文字体。

注:如果图形显示不完全,可以在曲线页面设置自定义。自由调整图片的长度和宽度,避免下载图形不完整的情况

选择完毕后,就可以下载单因素RCS或者调整协变量后的RCS曲线啦!

72db71540c771cc71fd36991b7cbe518.png

最后下载的pdf也是十分的清晰,如果需要将变量名修改为中文,也可以在pdf中直接编辑修改,非常便捷!

ac6bc6cbc19e461456801ca5160e7dbb.png

如果您在风暴统计平台的使用过程中有任何的建议或疑问,欢迎加入我们的讨论群!群里郑老师与助教会在群内解答!

95d14bd9169641a592b225b91da26270.png

统计机器人交流群

3991f5f8039833478bcf34becb7d3425.png

这篇关于如何选择RCS曲线最佳节点数?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1059828

相关文章

Java调用DeepSeek API的最佳实践及详细代码示例

《Java调用DeepSeekAPI的最佳实践及详细代码示例》:本文主要介绍如何使用Java调用DeepSeekAPI,包括获取API密钥、添加HTTP客户端依赖、创建HTTP请求、处理响应、... 目录1. 获取API密钥2. 添加HTTP客户端依赖3. 创建HTTP请求4. 处理响应5. 错误处理6.

SpringBoot项目中Maven剔除无用Jar引用的最佳实践

《SpringBoot项目中Maven剔除无用Jar引用的最佳实践》在SpringBoot项目开发中,Maven是最常用的构建工具之一,通过Maven,我们可以轻松地管理项目所需的依赖,而,... 目录1、引言2、Maven 依赖管理的基础概念2.1 什么是 Maven 依赖2.2 Maven 的依赖传递机

Java内存泄漏问题的排查、优化与最佳实践

《Java内存泄漏问题的排查、优化与最佳实践》在Java开发中,内存泄漏是一个常见且令人头疼的问题,内存泄漏指的是程序在运行过程中,已经不再使用的对象没有被及时释放,从而导致内存占用不断增加,最终... 目录引言1. 什么是内存泄漏?常见的内存泄漏情况2. 如何排查 Java 中的内存泄漏?2.1 使用 J

Python 中 requests 与 aiohttp 在实际项目中的选择策略详解

《Python中requests与aiohttp在实际项目中的选择策略详解》本文主要介绍了Python爬虫开发中常用的两个库requests和aiohttp的使用方法及其区别,通过实际项目案... 目录一、requests 库二、aiohttp 库三、requests 和 aiohttp 的比较四、requ

el-select下拉选择缓存的实现

《el-select下拉选择缓存的实现》本文主要介绍了在使用el-select实现下拉选择缓存时遇到的问题及解决方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录项目场景:问题描述解决方案:项目场景:从左侧列表中选取字段填入右侧下拉多选框,用户可以对右侧

如何选择适合孤独症兄妹的学校?

在探索适合孤独症儿童教育的道路上,每一位家长都面临着前所未有的挑战与抉择。当这份责任落在拥有孤独症兄妹的家庭肩上时,选择一所能够同时满足两个孩子特殊需求的学校,更显得尤为关键。本文将探讨如何为这样的家庭做出明智的选择,并介绍星贝育园自闭症儿童寄宿制学校作为一个值得考虑的选项。 理解孤独症儿童的独特性 孤独症,这一复杂的神经发育障碍,影响着儿童的社交互动、沟通能力以及行为模式。对于拥有孤独症兄

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

day-51 合并零之间的节点

思路 直接遍历链表即可,遇到val=0跳过,val非零则加在一起,最后返回即可 解题过程 返回链表可以有头结点,方便插入,返回head.next Code /*** Definition for singly-linked list.* public class ListNode {* int val;* ListNode next;* ListNode() {}*