R 用样条和滞后预测从GAM模型中提取预测

我有一些数据，正在努力自学如何在回归模型中利用滞后预测因子。我目前正在尝试从一个广义的加法模型生成预测，该模型使用样条曲线平滑数据，并包含滞后

假设我有以下数据，并已将数据拆分为训练样本和测试样本

head(mtcars)
Train <- sample(1:nrow(mtcars), ceiling(nrow(mtcars)*3/4), replace=FALSE)

车头（mtcars）
训练我假设您正在使用
mgcv
库中的
gam（）
。似乎
gam（）
不喜欢
s（）
术语中未在“base”中定义的函数。您可以通过添加包含转换变量的列，然后使用该变量进行建模来解决这个问题。比如说

tmtcars <- transform(mtcars, ldisp=lag(disp,1))
Train <- sample(1:nrow(mtcars), ceiling(nrow(mtcars)*3/4), replace=FALSE)
f_gam <- gam(hp ~ s(qsec, bs="cr") + s(ldisp, bs="cr"), data= tmtcars[Train,])
summary(f_gam)
predict(f_gam, tmtcars[-Train,])

而且，因为它们显式地将存储模块设置为NULL，所以无法解析base之外的变量和函数名。因此，因为
mean（）
在
base
包中，所以这是可行的

eval(parse(text="mean(x)"), data.frame(x=1:4), enclos=NULL)
# [1] 2.5

但是因为
var（）
是在
stats
中定义的，所以这不是

eval(parse(text="var(x)"), data.frame(x=1:4), enclos=NULL)
# Error in eval(expr, envir, enclos) : could not find function "var"

而
lag（）
，比如
var（）
是在
stats
包中定义的。
这是一个很好的解释，解释了为什么有些东西不起作用或抛出错误。这有助于我们，联合国发起的。谢谢@MrFlick！
eval(parse(text = txt), data, enclos = NULL)

eval(parse(text="mean(x)"), data.frame(x=1:4), enclos=NULL)
# [1] 2.5

eval(parse(text="var(x)"), data.frame(x=1:4), enclos=NULL)
# Error in eval(expr, envir, enclos) : could not find function "var"