你说的是广义加性模型吧
我把函数和参数写一下
估计你就明白了
gam(formula,family=gaussian(),data=list(),weights=NULL,subset=NULL,
na.action,offset=NULL,method="GCV.Cp",
optimizer=c("outer","newton"),control=list(),scale=0,
select=FALSE,knots=NULL,sp=NULL,min.sp=NULL,H=NULL,gamma=1,
fit=TRUE,paraPen=NULL,G=NULL,in.out,...)
formula：一个GAM的公式
family：服从什么分布
data：所需的一个数据框或列表包含模型响应变量，协变量。
weights：数据上的权重。
subset：观测值的一个子集。
na.action：数据包含“NA”。默认设置是“na.action设置选项，na.fail”如果是没有设置的。
offset：一个模型偏移量
control：控制参数，以取代默认值返回gam.control。未设置假设值默认值。
method：平滑参数估计方法。 "GCV.Cp"、 "GACV.Cp"、"REML"、"P-REML"、"ML"和"P-ML"。
optimizer：数值优化方法
scale：如果这是正的，那么它被当作已知尺度参数。负信号，规模参数是未知的。 0信号泊松分布和二项分布和未知的，否则，尺度参数为1。需要注意的是（RE）的ML方法只能工作与尺度参数的泊松分布和二项式情况下。
select：如果这是TRUE然后gam可以添加一个额外的惩罚
knots：可选
sp：平滑化参数的一种向量
min.sp：下界能够供给的平滑化参数
H：系数矩阵。
扫码加好友，拉您进群
全部版块
我的主页
收藏
