抱歉,如果这是微不足道的,还没有找到解决方案。
为了简单起见,我有 5 个点(例如,d0 = c(1,2,3,4,5)
)和 5 个值(例如 f0 = c(0.8950514) 、1.240066、1.410252、1.494778、1.514794)
)。
我想概括这一点并找到一个函数f
,使得f(d0) = f0
。很简单。为此,如果我做对了,我需要进行一些试验和错误来找到 f
的正确结构;然后我可以使用 lm 提取其参数。对吗?
所以,我开始尝试一个简单的线性模型:
model <- lm(f0 ~ d0)$coefficients
然后我想绘制它以查看实际的拟合情况:
lines(d0, model[[1]] + d0*model[[2]])
问题
尝试其他类型的依赖项时,事情会变得无聊。例如,我可以猜测两者之间的日志日志依赖关系:
model <- lm(log(f0) ~ log(d0))$coefficients
但是为了绘制真实的函数,我需要将对行的调用更改为
lines(d0, exp(model2[[1]] + model2[[2]]*log(d0)))
现在,如果我要尝试另一种公式,我将不得不使用不同的代码行来表示 lines
。
问题
- 有没有办法自动绘制
lm
的结果(以lines(d0, Predicted.f)
的形式),也许使用中的信息>lm$call
?
我的愿望是这样的:
model <- lm(f0 ~ d0)
plotFromModel(d0, model)
model <- lm(log(f0) ~ log(d0))
plotFromModel(d0, model)
- 我在这里缺少什么吗?这个简单的任务应该使用
lm
和不同的公式来完成,还是有更明显的路径?
编辑
看起来没有更明显的路径了。我在这里澄清一下,这个问题是为了找到这 5 个点的最佳拟合一维曲线而产生的。因此,虽然我们被迫使用 lm
,但我们必须对各种公式持开放态度,例如
f0 ~ d0
log(f0) ~ d0
f0 ~ d0 + I(log(d0)^2)
等等。最重要的是,我仍在寻找一个一维函数,即 y = f(x)
,其中 x 和 y 都是标量,并且不涉及其他参数。
曲线拟合问题中的其他典型要求是,一旦您从 5 个点找到模型,您就可以看到其真实曲线(-> 使用任意长度的 d),并且可以将其与其他曲线进行比较您正在测试的模型。我想复制以下行为:
d0 <- c(1,2,3,4,5)
f0 <- c(0.8950514, 1.240066, 1.410252, 1.494778, 1.514794)
d <- seq(from = 1, to = 5, length.out = 200)
windows(w=700,h=500)
plot(d0, f0, type='b',col='black', log='xy',lwd=4)
grid()
m <- lm(f0 ~ d0)$coefficients
lines(d, m[1] + m[2]*d, col='orange', lwd=3)
m <- lm(log(f0) ~ log(d0))$coefficients
lines(d, exp(m[1] + m[2]*log(d)), col='blue', lwd=3)
m <- lm(log(f0) ~ log(log(d0)))$coefficients
lines(d, exp(m[1] + m[2]*log(log(d))), col='green', lwd=3)
m <- lm(log(f0) ~ log(d0) + I(log(d0)^2))$coefficients
lines(d, exp(m[1] + m[2]*log(d) + m[3]*log(d)^2), col='red', lwd=3)
m <- lm(f0 ~ d0 + I(d0^2))$coefficients
lines(d, m[1] + m[2]*d + m[3]*d^2, col='pink', lwd=3)
从下面的精彩答案来看,这并不是一件小事,所以就我个人而言,我将坚持使用手动方法。这应该是可能的,因为公式保存在 model$call
中,但我可以没有它。
最佳答案
plotFromModel
假设模型具有可能转换的 y
值和单个 x
值;但是,x
值可以包含在多个 lm
项中,并且每个项都可以转换 x
。 finv
必须指定 LHS 的逆变换(如果 y
未变换,则可以省略)。如果 add
为 FALSE(默认值),它将绘制 y
与 x
的对比,然后绘制拟合。如果 add
为 TRUE,则仅绘制覆盖任何现有图的拟合图。 ...传递给绘制拟合的lines
命令。请注意,它会 retrofit 模型。
此外,请注意,使用传统的线性回归测试无法比较不同的拟合,因为它们使用 y
的不同函数的平方和。
plotFromModel <- function(x, fm, finv = identity, add = FALSE, ...) {
# DF's columns are y and x
DF <- cbind(finv(fm$model[1]), x)
names(DF) <- all.vars(terms(fm))
if (!add) plot(DF[2:1]) # plot y vs. x
fm.new <- lm(terms(fm), DF) # refit using new x
lines(finv(fitted(fm.new)) ~ x, ...)
}
d0 = c(1,2,3,4,5)
f0 = c(0.8950514, 1.240066, 1.410252, 1.494778, 1.514794)
fm0 <- lm(f0 ~ d0)
fm1 <- lm(log(f0) ~ log(d0))
fm2 <- lm(log(f0) ~ log(d0) + I(log(d0)^2))
fm3 <- lm(f0 ~ d0 + I(d0^2))
plotFromModel(d0, fm0, col = 1)
plotFromModel(d0, fm1, exp, add = TRUE, col = 2, lty = 2)
plotFromModel(d0, fm2, exp, add = TRUE, col = 3, lty = 3)
plotFromModel(d0, fm3, add = TRUE, col = 4, lty = 4)
关于r - 绘制 lm 返回的模型的结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35601752/