为 R 中的线性回归绘制非线性图答案

【问题标题】：Plot Non-linear Plot for Linear Regression in R为 R 中的线性回归绘制非线性图
【发布时间】：2012-01-12 00:50:57
【问题描述】：

y<-c(0.0100,2.3984,11.0256,4.0272,0.2408,0.0200);
x<-c(1,3,5,7,9,11);
d<-data.frame(x,y)
myLm<-lm(x~y**2,data=d)
plot(d)
lines(x,lm(y ~ I(log(x)) + x,data=d)$fitted.values)
lines(x,lm(y ~ I(x**2) + x,data=d)$fitted.values) % not quite right, smooth plz

应该是流畅的剧情，有问题。

帮助问题

【问题讨论】：

什么是“尽管如此点数或合规性”是什么意思？
他多次编辑帖子，改变了他的话等。AndresT 和我昨晚试图提供帮助，但是，问题的术语一直在变化。

标签： r plot regression least-squares

【解决方案1】：

您需要predict 才能在拟合点之间插入预测。

d <- data.frame(x=seq(1,11,by=2),
                y=c(0.0100,2.3984,11.0256,4.0272,0.2408,0.0200))
lm1 <-lm(y ~ log(x)+x, data=d)
lm2 <-lm(y ~ I(x^2)+x, data=d)
xvec <- seq(0,12,length=101)
plot(d)
lines(xvec,predict(lm1,data.frame(x=xvec)))
lines(xvec,predict(lm2,data.frame(x=xvec)))

【讨论】：

是的，在他最终编辑他想要的只是一条抛物线之后，在一系列 x 轴点上的 predict() 是正确答案。请注意他的第一次拟合仍然如何将 y 建模为 y 的函数。那好吧。我相信他现在会更新我提到的。
如果我有多个变量，而不是只有一个自变量，我该怎么办。
@FrankWANG：您可能应该发布一个新问题，引用这个问题，并提供适当的细节（例如，一个可重复的问题：tinyurl.com/reproducible-000）。简短的回答，您必须在（1）生成曲面图之间做出决定； (2) 绘制一条或多条预测线（或子图），除一个预测变量外，所有预测变量都保持在指定值。

【解决方案2】：

强制ggplot2方法：

library(ggplot2)
qplot(x,y)+stat_smooth(method="lm", formula="y~poly(x,2)", se=FALSE)

【讨论】：

同一张图片可以有很多情节吗？这显然是一些不同的环境，所以我不能使用 plot(1:10,1:10); lines(1:10, 1:10*2) 等样式。
是的，只需添加额外的图层或美学，例如：dfr <- data.frame(x=rep(1:10,2),y=c(1:10,(1:10)^2),type=c(rep("linear",10),rep("squared",10))); qplot(x,y,data=dfr,geom="line",colour=type)
另外 ggplot2 使用网格图形系统而不是基础图形系统，因此命令和范例不同，请参阅 had.co.nz/ggplot2

【解决方案3】：

类似：

 plot(d)    
 abline(lm(x~y**2,data=d), col="black")

会成功（如果是线性的，正如首先提出问题的方式所暗示的那样）

我认为你在寻找什么：

  lines(smooth.spline(x, y))

可能会按照 Dirk 的提示工作。

【讨论】：

可能不完全是因为他正在拟合回归量为平方的线性模型。

【解决方案4】：

您应该花一些时间阅读程序随附的“An Introduction R”手册的“附录 A：示例会话”。但这是一个开始

R> y<-c(0.0100,2.3984,11.0256,4.0272,0.2408,0.0200);
R> x<-c(1,3,5,7,9,11);
R> d<-data.frame(x,y)
R> myLm<-lm(x~y**2,data=d)
R> myLm

Call:
lm(formula = x ~ y^2, data = d)

Coefficients:
(Intercept)            y  
      6.434       -0.147

我们可以将其绘制为（我现在更正了您对 x 和 y 角色的异常颠倒）：

R> plot(d)
R> lines(d$y,fitted(myLm))

【讨论】：

...错误的二次回归，这是线性的。
就是这样：您正在对变量的非线性变换拟合一个线性模型。您可以创建x2 <- x^2，然后回归y ~ x2 并将其绘制在(y,x2) 空间中。如果您想要一个非线性回归，您需要一个不同的函数，例如nls()。或样条。或加法模型。或者，或者，或者……
现在看问题，现在清楚了吗。没有模糊的句子，只有一张清晰的图片——明白我想要实现的目标吗？
你能不能对你提供免费课程的人再粗鲁一点？