使用R包GAMLSS拟合GAM时遇“from必须是有限数”错误求助

先排查数据核心问题 #

错误提示里的min(x)返回Inf、max(x)返回-Inf，说明模型用到的某个预测变量在清洗后没有有效非缺失值，或者取值异常。按以下步骤检查：

• 运行代码确认清洗后数据的变量状态：

  cleaned_dat <- na.omit(mydat)
  # 查看两个预测变量的非缺失值数量
  sum(!is.na(cleaned_dat$month))
  sum(!is.na(cleaned_dat$week_t))
  # 查看变量取值范围
  range(cleaned_dat$month, na.rm = TRUE)
  range(cleaned_dat$week_t, na.rm = TRUE)
  

  如果某变量非缺失值为0，或取值范围返回Inf/-Inf，就是问题根源——pb()样条函数无法处理无有效取值的变量。

• 检查变量类型：
  pb()针对连续数值变量设计，若month或week_t是因子/字符型，会导致计算异常。用str(cleaned_dat)查看类型，若为因子，转成数值：

  cleaned_dat$month <- as.numeric(as.character(cleaned_dat$month))
  cleaned_dat$week_t <- as.numeric(as.character(cleaned_dat$week_t))
  

调整模型参数 #

若数据无问题，尝试手动指定pb()的自由度，避免因数据稀疏导致的样条计算错误：

fit_lss <- gamlss(num_travelers ~ pb(month, df = 5) + pb(week_t, df = 10),
                  data = cleaned_dat, family = "PO")

自由度df可根据数据量调整，数值越小样条越平滑，降低计算复杂度。

额外验证方向 #

• 确认响应变量num_travelers的有效性：运行sum(!is.na(cleaned_dat$num_travelers))，若结果为0，也会间接引发预测变量的计算异常。
• 用基础GAM验证数据兼容性：

  library(mgcv)
  fit_gam <- gam(num_travelers ~ s(month) + s(week_t), data = cleaned_dat, family = poisson())
  

  若该模型能正常运行，说明问题出在GAMLSS的pb()参数设置上，可进一步尝试指定knots参数自定义样条节点。

内容的提问来源于stack exchange，提问作者Trang Nguyen