已知library(readxl) # excel_sheets(file.choose()) data1 <- read_excel(file.choose()) # 路径的选择 # 对数据进行归一化 df_norm1 <- apply(data1, 2, function(x) (x - min(x)) / (max(x) - min(x))) # 对数据进行B-样条函数拟合 dat <- as.data.frame(df_norm1) colnames(dat) <- c('X1','X2','X3','X4','X5','X6','X7','Y')创建一个三次回归样条函数

好的，你可以使用mgcv包中的bs()函数来创建一个三次回归样条函数。以下是代码示例：

library(mgcv)

# 创建三次回归样条函数
spline_func <- function(x, df=NA, knots=NA) {
  if (is.na(df) & is.na(knots)) {
    stop("You must specify either df or knots.")
  } else if (!is.na(df) & !is.na(knots)) {
    stop("You can only specify one of df or knots.")
  } else if (!is.na(df)) {
    return(bs(x, df=df, degree=3, knots=knots))
  } else {
    return(bs(x, knots=knots, degree=3))
  }
}

# 将数据转换为矩阵形式
X <- as.matrix(dat[,1:7])
Y <- dat[,8]

# 对每个自变量应用三次回归样条函数
X_spline <- matrix(NA, nrow=nrow(X), ncol=0)
for (i in 1:ncol(X)) {
  X_spline <- cbind(X_spline, spline_func(X[,i], df=10))
}

# 拟合数据
fit <- lm(Y ~ X_spline)

# 查看结果
summary(fit)

其中，spline_func函数定义了三次回归样条函数。如果指定了节点数(df)，则使用bs()函数创建一个基于节点的三次回归样条函数；如果指定了节点(knots)，则使用bs()函数创建一个基于节点的三次回归样条函数。然后，将每个自变量应用于该函数，并使用lm()函数拟合数据。