我试图用ggplot
绘制一些线性和多项式回归。估算<{1>}函数内的回归系数时,这非常简单:
geom_smoot
但是,在这里,我想根据之前关于回归参数的知识,绘制一个预测(或更多,如上例所示)。
因此,我的回归估计可以通过以下方式打印:
ggplot (mtcars, aes(x=wt, y=mpg, fill=factor(cyl), colour=factor(cyl))) + geom_smooth(method='lm', formula = y ~ poly(x,2)) + geom_point()
现在我想以相反的方式建立情节,从估计到情节。或者更好的是,根据这些估算的其他值构建预测(对于dlply(mtcars,.(cyl), lm, formula=mpg ~ poly(wt,2)) %>%
llply(summary) %>%
ldply(coefficients)
,ej。Intercept=20
,poly(wt,2)1=-15
和poly(wt,2)2=4
),然后获得一个图表作为一个上方。
但这里是我不知道如何继续的地方。我想我需要为cyl=4
的每个级别使用不同的geom_smooth
,geom_line
或类似内容,包括每个级别的相应估算值,但无法弄清楚如何。
答案 0 :(得分:3)
我通常通过生成预测数据框来实现这一目标。
mod <- lm(mpg ~ poly(wt,2), mtcars)
pred <- data.frame(wt = seq(0,6,0.01))
pred$mpg <- predict(mod, pred)
ggplot() +
geom_line(data = pred, aes(x=wt, y=mpg)) +
geom_point(data = mtcars, aes(x=wt, y=mpg, colour=factor(cyl)))
当然,您可以将参数更改为您喜欢的任何参数。
pred$mpg <- 57 - pred$wt * 21 + pred$wt^2 * 3.3
或者,您可以使用stat_function
:
ggplot(pred, aes(x=wt)) +
stat_function(fun = function(x) 57 - 21*x + 3.3*x^2) +
geom_point(data = mtcars, aes(y=mpg, colour=factor(cyl)))
最后一点:you can't interpret the coefficients of a poly() fit the way you think you would。
答案 1 :(得分:3)
我认为查看broom
包可能是一个很好的练习。我不太确定你想要走哪条路,所以这里有一些我发现的例子:
绘制回归:
我不知道你如何绘制多项式函数,这对你来说是一个练习,但这里有一些代码可以将多项式回归到数据框中:
library(dplyr)
library(broom)
library(tidyr)
mtcars %>% group_by(cyl) %>% do(tidy(lm(mpg ~ poly(wt, 2), data=.))) %>%
select(cyl, term, estimate) %>%
spread(term, estimate)
# Source: local data frame [3 x 4]
# Groups: cyl [3]
#
# cyl `(Intercept)` `poly(wt, 2)1` `poly(wt, 2)2`
# * <dbl> <dbl> <dbl> <dbl>
# 1 4 26.66364 -10.170962 3.003872
# 2 6 19.74286 -2.426656 -1.589859
# 3 8 15.10000 -6.003055 -1.933630
但这是线性回归的一个:
fit <- mtcars %>% group_by(cyl) %>% do(tidy(lm(mpg ~ wt, data=.))) %>%
select(cyl, term, estimate) %>%
spread(term, estimate)
ggplot(mtcars, aes(x=wt, y=mpg, colour=cyl)) + geom_point() +
geom_abline(data=fit, aes(slope=wt, intercept=`(Intercept)`, colour=cyl))
你不能只是绘制拟合,因为你需要提供x值和y值,所以可能有一些预测值:
wt <- c(2:5)
mtcars %>% group_by(cyl) %>% do(augment(lm(mpg ~ poly(wt, 2), data=.), newdata=data.frame(wt=wt))) %>%
ggplot(aes(x=wt, y=.fitted, group=cyl, colour=cyl)) + geom_line()