我可以创建简单的图表。我希望在同一张图表上有观察值和预测值(来自线性回归)。我正在绘制 Yvariable
与 Xvariable
的对比。只有 1 个预测变量和 1 个响应。我怎样才能将线性回归曲线添加到同一个图表中?
因此得出结论需要帮助:
- 绘制实际值和预测值
- 绘制回归线
最佳答案
这是将单个图中的观测值和预测值作为点的一个选项。在观察点上得到回归线更容易,我在第二个说明
首先是一些虚拟数据
set.seed(1)
x <- runif(50)
y <- 2.5 + (3 * x) + rnorm(50, mean = 2.5, sd = 2)
dat <- data.frame(x = x, y = y)
适合我们的模型
mod <- lm(y ~ x, data = dat)
将模型输出和观察到的 x
组合成一个绘图对象
res <- stack(data.frame(Observed = dat$y, Predicted = fitted(mod)))
res <- cbind(res, x = rep(dat$x, 2))
head(res)
加载晶格和绘图
require("lattice")
xyplot(values ~ x, data = res, group = ind, auto.key = TRUE)
结果图应该与此类似
要获得观测数据的回归线,并且回归模型是一个简单的直线模型(如我所示),那么您可以绕过其中的大部分内容并仅使用绘图
xyplot(y ~ x, data = dat, type = c("p","r"), col.line = "red")
(即您甚至不需要拟合模型或为绘图创建新数据)
结果图应如下所示
第一个示例的替代方法是编写您自己的面板函数,它可以与任何可以给出回归线系数的东西一起使用 - 并不像看起来那么可怕
xyplot(y ~ x, data = dat, col.line = "red",
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
panel.abline(coef = coef(mod), ...) ## using mod from earlier
}
)
这给出了上面图 2 中的图,但是是手工绘制的。
假设您已经使用插入符完成了此操作,那么
mod <- train(y ~ x, data = dat, method = "lm",
trControl = trainControl(method = "cv"))
xyplot(y ~ x, data = dat, col.line = "red",
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
panel.abline(coef = coef(mod$finalModel), ...) ## using mod from caret
}
)
将生成与上面图 2 相同的图。
关于r - 使用lattice包中的xyplot()绘制线性回归的观测值和拟合值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17432142/