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")

还有我要估计的数据集var4：

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

我做了什么，简单地说：

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 有问题。 var4 = predict.gam(gam(var4 ~ s(log(var3)), data = for_model), newdata = .)。 x 外部函数调用中的 NA/NaN/Inf (arg 1)

尽管对网络进行了彻底的研究，并且在我的数据上花费了几个小时，但我找不到解决此问题的方法...

但是，当我绘制 GAM 时，一切正常：

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？我已经查找了 NaN 或 Inf 值，但没有。另外，当我试图从 var2 估计 var4 时 - 非常 类似于 var3 - 一切都很好......

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：对于相当大的文件，我深表歉意，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。 （我把模型求解和预测分开，只是为了让测试更快，没关系）

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_))