在R中绘制拟合和原始数据，具有更高密度的x值用于拟合

Question

我试着在这里搜索一段时间，但我并没有找到解决问题的方法。我想要一个简单的方法来获得拟合模型的等式并将其与我的原始数据一起显示。

这是到目前为止工作的代码：

#the dataframe:
library(ggplot2)
df<-data.frame(x=c(0,3,5,7,9,14),y=c(1.7,25.4,185.5,303.9,255.9,0.0))

#fitting a third degree polinomial model
fit1<- lm(y~poly(x, 3, raw=TRUE),data = df)

#plotting fitted and original values
ggplot(df, aes(x, y))+
  geom_point()+
  geom_line(aes(x, y=predict(fit1)), col=2)

以下绘图结果[红色=预测值，黑色=原始数据]：

现在，我试图更好地掌握模型与原始数据点相比的实际外观，因为我想稍后计算线下面积。

我尝试通过调用

从fit1中提取系数

coef(fit1)

并在等式中输入近似系数

x1<-seq(0:14)
eq<- 20.35*x1+6.64*x1^2-0.58*x1^3-10.84

有没有更简单的方法来提取＆＃34; a f（x）= x + x ^ 2 + c等从模型中起作用并以高密度（0到14之间的无限x值）与原始值一起显示？也许使用geom_line（）或stat_function（）？

感谢您的任何建议！

Answer 1

关键不在于预测您用于制作模型的数据，而是在相同范围内生成更密集的数据：

x <- seq(from = min(df$x), to = max(df$x), by = 0.1)

以下是完整代码：

library(ggplot2)
df <- data.frame(x = c(0, 3, 5, 7, 9, 14), y = c(1.7, 25.4, 185.5, 303.9, 255.9, 0.0))
fit1 <- lm(y ~ poly(x, 3, raw = TRUE), data = df)

生成密集数据：

predf <-  data.frame(x = seq(from = min(df$x), to = max(df$x), by = 0.1))

预测密集数据的y：

predf$y <- predict(fit1, predf)

简介：

ggplot(df, aes(x, y))+
  geom_point()+
  geom_line(data= predf, aes(x, y  ), col=2)

Answer 2

对于那些感兴趣的人，我在这里找到了一些非常好的代码：How to calculate the area under each end of a sine curve 提取函数并计算AUC并将其调整为此处的示例：

 #get the function from the model
poly3fnct <- function(x){
  (fnct <- fit1$coeff[1]+
     fit1$coeff[2]* x +
     fit1$coeff[3]* x^2 +
     fit1$coeff[4]* x^3) +
    return(fnct)
}

#function to find the roots
manyroots <- function(f,inter){
  roots <- array(NA, inter)
  for(i in 1:(length(inter)-1)){
    roots[i] <- tryCatch({
      return_value <- uniroot(f,c(inter[i],inter[i+1]))$root
    }, error = function(err) {
      return_value <- -1
    })
  }
  retroots <- roots[-which(roots==-1)]
  return(retroots)
}
#find the roots or x values for y = 0
roots <- manyroots(poly3fnct,seq(0,14))
roots

#integrate function
integrate(poly3fnct, roots[1],roots[2])