从此暴露量配置中

最受欢迎的见解

> library(splines) > oneheight <- onebasis(women$height, "ns" df=5) > mwomen <- lm(weight ~ oneheight data=women)

使用一个简单的代码来获取预测和绘图：

在第一个示例中，我为数据框药物中的试验数据建立了暴露历史记录矩阵。

nest2 <- crossbasis(est, lag=c(3,40), argvar=list("log"), CROSSBASIS FUNCTIONS observations: 600 range: 0 to 1064 lag period: 3 40 total df: 3 BASIS FOR VAR: fun: mylog BASIS FOR LAG: fun: ns knots: 10 30 intercept: FALSE Boundary.knots: 3 40

替换新创建的对象：

decay <- function(x,scale=5) basis <- exp(-x/scale) attributes(basis)$scale <- scale

参数（默认值为5）用于控制衰减程度。同样，我们可以使用此新函数来获得变换：

2.R语言线性判别分析（LDA），二次判别分析（QDA）和正则判别分析（RDA）

 

应用改进函数