Поведение предсказателя.gam выдает ошибку в R4, но работает в R3. полный репрекс включен

обновлять Разработчик пакета устранил проблему, и новая версия gam on cran больше не нуждается в обходном пути и работает так, как задумано!

Следуя совету @GavinSimpson, я нашел обходной путь: специальную функцию Predict.gam(), которую можно вызвать в Rscript, используя source("custom_predict_Gam.R") Я сохраняю приведенный ниже скрипт в своем рабочем каталоге, затем в R 4 использую source(), а затем вызываю функцию следующим образом:

fm1               <- custom_predict_Gam(fitModel1,
                                        se.fit = TRUE,
                                        type = "response")

и получите результаты, идентичные результатам R 3.

Спасибо за вклад каждого. Это сделало меня счастливым. гам::счастлив...

На случай, если это кому-нибудь пригодится, вот функция, которую я сохраняю как custom_predict_Gam.R:

# custom_predict_Gam.R

# this file replaces the predict.gam on line 18 with predict. The reason is because predict.gam is broken in R 4.



custom_predict_Gam <- function (object, newdata, type = c("link", "response", "terms"), 
                                dispersion = NULL, se.fit = FALSE, na.action = na.pass, terms = labels(object), 
                                ...) 
{
  type <- match.arg(type)
  if (missing(newdata)) {
    if (inherits(object, "Gam") && !is.null(object$smooth)) {
      if (se.fit) 
        switch(type, 
               response = {
                 out <- predict(object, type = "link", se.fit = TRUE, ...)
                 famob <- family(object)
                 out$se.fit <- drop(out$se.fit * abs(famob$mu.eta(out$fit)))
                 out$fit <- fitted(object)
                 out
               }, 
               link = {
                 out <- NextMethod("predict")
                 out$fit <- object$additive.predictors
                 TS <- out$residual.scale^2
                 TT <- ncol(object$var)
                 out$se.fit <- sqrt(out$se.fit^2 + TS * object$var %*% 
                                      rep(1, TT))
                 out
               }, 
               terms = {
                 out <- NextMethod("predict")
                 TT <- dimnames(s <- object$smooth)[[2]]
                 TT = intersect(terms, TT)
                 out$fit[, TT] <- out$fit[, TT] + s[, TT]
                 TS <- out$residual.scale^2
                 out$se.fit[, TT] <- sqrt(out$se.fit[, TT]^2 + 
                                            TS * object$var[, TT])
                 out
               })
      else switch(type, 
                  terms = {
                    out <- NextMethod("predict")
                    TT <- dimnames(s <- object$smooth)[[2]]
                    TT = intersect(terms, TT)
                    out[, TT] <- out[, TT] + s[, TT]
                    out
                  }, 
                  link = object$additive.predictors, 
                  response = object$fitted)
    }
    else {
      if (inherits(object, "Gam")) {
        if (type == "link" && !se.fit) 
          object$additive.predictors
        else NextMethod("predict")
      }
      else UseMethod("predict")
    }
  }
  else newdata.predict.Gam(object, newdata, type, dispersion, 
                           se.fit, na.action, terms, ...)
}