Question

我想为我的数据绘制一个回归平面：

结构（清单（L = c（96.4155,76.803,71.5615,68.193,65.6975， 74.627,67.82,64.26,62.06,60.35,68.284,63.7,61.04,59.05， 57.56,64.2695,60.69,58.47,56.78,55.42,61.3715,58.27,56.42， 54.91,53.65），a = c（-0.8375，-20.47，-22.1875，-22.6125，-22.5845， -2.2415，-12.91，-16.16，-17.9，-18.77，-2.4，-10.28，-13.64， -15.33，-16.37，-2.4495，-8.66，-11.74，-13.46，-14.55，-2.4645， -7.58，-10.38，-12.06，-13.09），b = c（1.437，-24.5915，-29.3275， -31.892，-33.524，-5.151，-15.22，-19.61，-22.65，-24.8，-6.239， -13.24，-17.11，-19.64，-21.55，-6.7845，-12.18，-15.45，-17.68， -19.47，-7.124，-11.53，-14.38，-16.41，-17.89））,. Name = c（＆＃34; L＆＃34;，＆＃34; a＆＃34;，＆＃34; b＆＃34;），row.names = c（NA，25L），class =＆＃34; data.frame＆＃34;）

我尝试了here的示例。这是我的尝试：

L<-X[1:25,2]
a<-X[1:25,3]
b<-X[1:25,4]
mod2 = lm(L~a*b)
open3d()
plot3d(x=a, y=b, z=L, type="s", col="red", size=1)

grd <- expand.grid(x1=a, x2=b )
grd$pred <-predict(mod2, newdata=grd)
persp3d(x=unique(grd[,1]), y=unique(grd[,2]), 
    z=matrix(grd[,3]), add=TRUE, alpha=0.5)

3d-Plot看起来很好，但是对于网格我得到了这个错误：

Error in persp3d.default(x = grd[, 1], y = grd[, 2], z = matrix(grd[,  : 
increasing 'x' and 'y' values expected

我的代码中的问题在哪里，是否有其他方法可以解决我的问题？谢谢你的帮助！

更新

我已经尝试过使用plane3d（）但是遇到了这个错误：

Error in segments(x, z1, x + y.max * yx.f, z2 + yz.f * y.max, lty = ltya,  : 
cannot mix zero-length and non-zero-length coordinates

然而，在寻找其他解决方案后，我发现我的意图是错误的。我正在寻找类似的东西......

data
intention

...但是不知道如何实现它，或者甚至可以通过我对R的实际知识来实现。有人有什么想法吗？

UPDATE2：

我已经使用以下代码尝试了scatter3d（）函数：

scatter3d(a,b,L,fit="smooth")

但得到了这个错误：

Error in smooth.construct.tp.smooth.spec(object, dk$data, dk$knots) : 
A term has fewer unique covariate combinations than specified maximum degrees of freedom

我已经发现，我必须使用choose.k来调整自由度，但是它总是针对gam函数进行解释，我不知道如何在scatter3d函数中使用它。有什么想法吗？

Answer 1

我想我用一个非常讨厌的解决方案解决了我的问题：

data <- structure(list(L = c(96.4155, 76.803, 71.5615, 68.193, 65.6975, 74.627, 67.82, 64.26,    
62.06, 60.35, 68.284, 63.7, 61.04, 59.05, 57.56, 64.2695, 60.69, 58.47, 56.78, 55.42, 
61.3715, 58.27, 56.42, 54.91, 53.65), a = c(-0.8375, -20.47, -22.1875, -22.6125, 
-22.5845, -2.2415, -12.91, -16.16, -17.9, -18.77, -2.4, -10.28, -13.64, -15.33, -16.37, 
-2.4495, -8.66, -11.74, -13.46, -14.55, -2.4645, -7.58, -10.38, -12.06, -13.09), b = 
c(1.437, -24.5915, -29.3275, -31.892, -33.524, -5.151, -15.22, -19.61, -22.65, -24.8, 
-6.239, -13.24, -17.11, -19.64, -21.55, -6.7845, -12.18, -15.45, -17.68, -19.47, -7.124, 
-11.53, -14.38, -16.41, -17.89)), .Names = c("L", "a", "b"), row.names = c(NA, 25L),
class = "data.frame")

L<-data[1:25,1]
a<-data[1:25,2]
b<-data[1:25,3]
plot3d(a,b,L, col="red", size="3", xlab="a*", ylab="b*", zlab="L*", main=NULL)

#Generate order for quadruplets

a[c(1:64)] <- a[c(1,2,7,6,2,3,8,7,3,4,9,8,4,5,10,9,
                  6,7,12,11,7,8,13,12,8,9,14,13,9,10,15,14,
                  11,12,17,16,12,13,18,17,13,14,19,18,14,15,20,19,
                  16,17,22,21,17,18,23,22,18,19,24,23,19,20,25,24)] 
b[c(1:64)] <- b[c(1,2,7,6,2,3,8,7,3,4,9,8,4,5,10,9,
                  6,7,12,11,7,8,13,12,8,9,14,13,9,10,15,14,
                  11,12,17,16,12,13,18,17,13,14,19,18,14,15,20,19,
                  16,17,22,21,17,18,23,22,18,19,24,23,19,20,25,24)] 
L[c(1:64)] <- L[c(1,2,7,6,2,3,8,7,3,4,9,8,4,5,10,9,
                  6,7,12,11,7,8,13,12,8,9,14,13,9,10,15,14,
                  11,12,17,16,12,13,18,17,13,14,19,18,14,15,20,19,
                  16,17,22,21,17,18,23,22,18,19,24,23,19,20,25,24)] 

quads3d(a[1:64],b[1:64],L[1:64],col="red",alpha=0.5)

是否有任何功能完全相同？

生成具有预测函数的回归平面

1 个答案: