用R语言遇到的一些问题。

经常看到rcs()函数，不知道什么意思。比如拟合回归时：f <- cph(S ~ rcs(age,4) + sex, x=T, y=T)

对此，丁香园里有人给出这样的看法：

-------------------------------------------------------------

rcs全称是restricted cubic spline 即限制立方样条函数。为什么用它呢？我们在做回归拟合数据时，经常对因变量和自变量的假定是：自变量和因变量呈线性关系，logistic回归是自变量和logitP，cox是指自变量和一个h(t)变换的一个东东（记不清了，抱歉），这些假定就叫线性假定。我们做回归的时候自变量包括连续变量和ordinal variable（等级有序变量）和因变量不成线性的时候，我可以转化为分类，也可以变量log变换，还有就是spline技术，也就是引入多项式，但rcs又不是简单的引入多项式，简单的说就是引入3次方的项，这和你选择的节点有关，这样处理的结果就是可以和好的拟合数据有限制了引入项的自由度，所以Harrell （rms包的作者）推崇这种建模方法。说的很概括，具体的内容搜索rcs就可以了解。Harrell的论文也可以参考，他认为节点的位置不那么重要，而节点数目很重要。

-------------------------------------------------------------

SVM的调参，关于e1071包，好像如果把数据“尺度化”（scaling）后，使用默认的参数就能训练出较好的模型。

R语言里，回归的参数，如果传formula，比如Y~X，那么这里的X不应该是dataframe或matrix，而应该用向量比如Y~x1+x2。如果向量太多，那么可以这样传两个参数：formula和data,比如glm(Y~., data=X)。这是在Logistics回归中被坑过，在predict时解决了将newdata用dataframe形式传入的问题后，总是报错说变量数不对（一方面可能fit 时有问“glm传参数data可能没传好”，另一方面newdata的dataframe可能需要转置一下）。

R语言的向量、矩阵、数据框、数组、列表等等，有点烦人，和我之前的C语言系列思维差别太大。

R的e1701中都在svm中，仅当y变量是factor类型时构建SVC，否则构建SVR