R:在 geom_smooth 中的自定义函数中使用时，nls 不获取其他参数

Question

这是一个与我之前的问题相关的问题 geom_smooth with facet_grid and different fitting functions .在那个问题中，我试图在 geom_smooth 中为 ggplot2 的小平面网格中的每个小平面使用不同的拟合函数。 Marco Sandri请提供一个答案，我试图适应使用用户定义的公式而不是现有的公式(例如，lm、loess)。这是我的代码。

# Load library
library(ggplot2)

# Load data
data(mtcars)

# Smoothing function with different behaviour depending on the panel
custom.smooth <- function(formula, data,...){
  smooth.call <- match.call()

  if(as.numeric(unique(data$PANEL)) == 6) {
    # Nonlinear regression
    method.name <- eval(parse(text="nls"))
    # Specify formula
    formula <- as.formula("y ~ a * x^b")
    # Add initial parameters
    smooth.call[["start"]] <- c(a = 10, b = -0.5)
  }else{
    # Linear regression
    method.name <- eval(parse(text="lm"))
  }

  # Add function name
  smooth.call[[1]] <- method.name
  # Perform fit
  eval.parent(smooth.call)
}

# Plot data with custom fitting function
p <- ggplot(mtcars,aes(x = disp, y = mpg)) + geom_point() + facet_grid(gear ~ am)
p <- p + geom_smooth(method = "custom.smooth")
print(p)

在这段代码中，我定义了一个函数 custom.smooth 来选择要拟合的模型。在此示例中，所有模型都是线性回归，但面板 6 除外，面板 6 是用户定义的函数 y ~ a*x^b。运行此代码会出现错误:

Warning message: Computation failed in stat_smooth(): singular gradient matrix at initial parameter estimates

然而，当我使用这些初始参数对面板 6 中的数据运行 nls 时，我没有收到此类错误(即，nls(mpg ~ a * disp^b, mtcars %> % filter(gear == 5, am == 1), start = c(a = 10, b = -0.5))).这让我觉得 nls 没有看到我指定的起始值。我也试过在 geom_smooth 函数中指定这些参数，如下所示:

p <- p + geom_smooth(method = "custom.smooth", method.args = list(start = c(a = 10, b = -0.5)))

但我遇到了同样的问题。有什么想法可以让我的起始值达到 nls 吗？还是有其他原因导致代码无法正常工作？

Answer 1

这是解决方案，极大地受益于 this post .我不知道为什么以前的版本不起作用，但这似乎工作正常。

# Load library
library(ggplot2)

# Load data
data(mtcars)

# Smoothing function with different behaviour depending on the panel
custom.smooth <- function(formula, data,...){
  smooth.call <- match.call()

  if(as.numeric(unique(data$PANEL)) == 6) {
    # Nonlinear regression
    smooth.call[[1]] <- quote(nls)
    # Specify formula
    smooth.call$formula <- as.formula("y ~ a * x ^ b")
    # Add initial parameters
    smooth.call$start <- c(a = 300, b = -0.5)
  }else{
    # Linear regression
    smooth.call[[1]] <- quote(lm)
  }

  # Perform fit
  eval.parent(smooth.call)
}

# Plot data with custom fitting function
p <- ggplot(mtcars,aes(x = disp, y = mpg)) + geom_point() + facet_grid(gear ~ am)
p <- p + geom_smooth(method = "custom.smooth", se = FALSE)
print(p)