绘制最佳拟合曲线答案

【问题标题】：plotting a curvilinear line of best fit绘制最佳拟合曲线
【发布时间】：2017-03-31 09:17:48
【问题描述】：

在图表上绘制最佳拟合曲线的正确方法是什么？我试图提供一个回归模型作为线的参数 - 而不是特定点。在下面的模型中，正确的线应该是完美的拟合（因为数据中没有噪音）。如何从线性模型中绘制最佳拟合线？

library(lattice)
vals<-data.frame(x=1:10,y=(1:10)^2)

xyplot(x~y,data=vals)
line(lm(x~y,data=vals)) #doesnt work
abline(vals$x,vals$y) #doesnt work

【问题讨论】：

您在绘图或最佳拟合曲线方面需要帮助吗？
画线......由于某种原因，我尝试的语法不起作用（我发誓我在询问之前阅读了文档！）
您使用的是ggplot2 还是其他库？
我刚刚意识到您使用的是lattice。
抱歉，我已将其添加为图书馆

标签： r plot regression

【解决方案1】：

要使用lattice 库获得回归，您需要在xyplot 函数中包含一个类型参数。要获得线性回归，请使用"r"，要获得非线性回归（这就是您想要的），请使用"smooth"。所以这就是你的代码应该是这样的

library(lattice)
vals<-data.frame(x=1:10,y=(1:10)^2)
xyplot(x~y,data=vals,type=c("p","smooth"))

"p" 用于点，"smooth" 用于平滑回归。这将产生一个看起来像这样的图表

替代方案，如果您出于某种原因确实想要对此进行线性回归，您的代码将如下所示

library(lattice)
vals<-data.frame(x=1:10,y=(1:10)^2)
xyplot(x~y,data=vals,type=c("p","r"))

你的图表看起来像这样

【讨论】：

如果我使用smooth 作为参数，它不适合线性模型的确切线，对吗？它适合黄土版本。有没有办法直接指定型号？例如，如果我想在点上拟合一条荒谬的线
除了内置的 smooth 和 r 之外，最好的办法是查看 here。

【解决方案2】：

我认为您可能正在颠倒公式中参数的顺序，因为 y 与 x 的常规图将从 xyplot( y ~ x ) 返回。但如果你真的想要一个二次多项式拟合的线性回归，那么使用公式中的poly 函数和predict 函数来获得拟合值：

xyplot(x~y,data=vals)
plot(vals$y, predict( lm(x~poly(y, 2), data=vals)) )

这不是一个精确的拟合，因为您正在绘制 x 对 x 的平方根。

resid(  lm(x~poly(y, 2),data=vals)) 
#------------------------------
          1           2           3           4           5           6           7 
-0.57799840 -0.01438720  0.28444720  0.35772841  0.26036947  0.06297286 -0.14816950 
          8           9          10 
-0.27107622 -0.18807651  0.23418989

另一种方法（确实给出了精确的拟合）是在公式中使用 I 函数：

 plot(vals$y, fitted( lm(x~I(y^(1/2) ), data=vals)) )
 points(vals, pch="x", col='red')
 points(vals$y, vals$x, pch="x", col='red')

【讨论】：