如何用tidymv绘制响应尺度（0-1）的GAM等高线图？

问题描述 #

使用mgcv构建Gamma族广义可加模型（GAM）后，通过tidymv结合ggplot2绘图时，图中展示的是模型变换尺度（链接函数尺度）的结果，需要将其转换为0-1范围的原始响应尺度进行绘制。

解决步骤 #

要实现需求，需要两步核心操作：

1. 生成预测结果时，指定响应尺度而非默认的链接尺度
2. 对响应尺度的预测值进行0-1归一化处理

修正后的完整代码 #

首先修正原代码中的数据引用错误（data=cats1应为data=sdata），再按上述步骤调整：

sourceLambda = c(0.0, 0.1, 0.2, 0.0, 0.1, 0.2, 0.0, 0.1, 0.2)
traitLambda = c(0.0, 0.0, 0.0, 0.1, 0.1, 0.1, 0.2, 0.2, 0.2)
meanT = c(1.052590e-04, 1.588049e-04, 9.678802e-05, 1.090665e-04, 1.265542e-04, 8.495936e-05, 1.399897e-04, 2.928686e-04, 2.481759e-04)
sdata = data.frame(sourceLambda, traitLambda, meanT)

library(tidymv)
library(dplyr)
library(viridis)
library(mgcv)

# 构建Gamma族GAM模型
x <- gam(meanT ~ s(sourceLambda, k=2)+s(traitLambda,k=2), data=sdata, family=Gamma)

# 生成响应尺度的预测结果（默认是链接尺度，需指定type="response"转换）
x2 <- predict_gam(x, type = "response")

# 对预测值进行0-1归一化
x2 <- x2 %>%
  mutate(fit_norm = (fit - min(fit)) / (max(fit) - min(fit)))

# 使用归一化后的数值绘图
x2 %>%
  ggplot(aes(sourceLambda, traitLambda, z = fit_norm)) +
  geom_raster(aes(fill = fit_norm)) +
  geom_contour(colour = "white") +
  theme_bw()+
  scale_fill_viridis("归一化T1", option = "A")

关键说明 #

• predict_gam(x, type = "response")：Gamma族模型默认使用对数链接函数，指定该参数后，会自动将预测值从对数尺度转换回与原始响应变量meanT一致的尺度
• 0-1归一化公式：(当前值 - 最小值) / (最大值 - 最小值)，通过dplyr::mutate新增归一化列fit_norm，直接用该列绘图即可得到0-1范围的结果

内容的提问来源于stack exchange，提问作者ABW