Question

我有一个真实数据的数据集，例如：

# Dataset 1 with known data
known <- data.frame(
    x = c(0:6),
    y = c(0, 10, 20, 23, 41, 39, 61)
)

plot (known$x, known$y, type="o")

现在我想得到一个问题的答案 “如果原始数据集的所有中间数据点都在周围测量值之间的直线上，那么0.3的Y值是多少？”

 # X values of points to interpolate from known data
 aim <- c(0.3, 0.7, 2.3, 3.3, 4.3, 5.6, 5.9)

如果你看图：我想得到Y值，其中ablines与已知数据的线性插值相交

abline(v = aim, col = "#ff0000")

因此，在理想的情况下，我会用我的已知数据创建一个“linearInterpolationModel”，例如

model <- linearInterpol(known)

...然后我可以询问Y值，例如

model$getEstimation(0.3)

（在这种情况下应该给出“3”）

abline(h = 3, col = "#00ff00")

我怎么能意识到这一点？手动我会为每个值做这样的事情：

与当前X值Xsmall相比，最接近的X值小Xlarge和最接近的X值大X。
计算较小X值relPos = (X - Xsmall) / (Xlarge - Xsmall)
计算预期的Y值Yexp = Ysmall + (relPos * (Ylarge - Ysmall))

至少对于Matlab软件我听说有这种问题的内置函数。

感谢您的帮助，

斯文

Answer 1

您可以查看approx()和approxfun() ...或者我认为您可以使用lm表示线性或lowess表示非参数拟合。

Answer 2

要跟进DWin的答案，以下是使用线性模型得到预测值的方法。

model.lm <- lm(y ~ x, data = known)

# Use predict to estimate the values for aim.
# Note that predict expects a data.frame and the col 
# names need to match
newY <- predict(model.lm, newdata = data.frame(x = aim))

#Add the predicted points to the original plot
points(aim, newY, col = "red")

当然，您可以直接检索这些预测值：

> cbind(aim, newY)
  aim       newY
1 0.3  2.4500000
2 0.7  6.1928571
3 2.3 21.1642857
....

R中的线性插值

2 个答案: