[英]smooth.Pspline wrapper for stat_smooth (in ggplot2)
对不起,如果这个问题很简单,但是我想弄清楚如何在R中绘制某种类型的自然三次样条(NCS)并且它完全没有我。
在之前的一个问题中,我学会了如何在ggplot中绘制由ns()命令生成的NCS,但我对如何在pspline包中生成稍微不同的NCS生成smooth.Pspline命令感兴趣 。 据我所知,这是唯一一个自动为CV给定数据集选择适当平滑罚分的包。
理想情况下,我可以提供smooth.Pspline作为ggplot2中stat_smooth图层的方法。 我目前的代码如下:
plot <- ggplot(data_plot, aes(x=age, y=wOBA, color=playerID, group=playerID))
plot <- plot + stat_smooth(method = lm, formula = y~ns(x,4),se=FALSE)
我想用smooth.Pspline的功能替换“lm”公式。 我做了一些谷歌搜索,并找到了一个非常相似的B样条函数smooth.spline的解决方案 ,由Hadley编写。 但是我无法使其适应光滑.Pspline非常完美。 有任何人对此有经验吗?
非常感谢!
您只需要检查predict.smooth.Pspline
如何返回预测值。
在stat_smooth
的内部工作中, predictdf
来创建平滑线。 predictdf
是内部(非导出)函数ggplot2
(它被定义在这里 )它是一个标准方法,S3。
sm.spline
返回类smooth.Pspline
的对象,因此stat_smooth
工作,您需要为类smooth.Pspline
创建predictdf
方法。
因此,以下将起作用。
smP <- function(formula,data,...){
M <- model.frame(formula, data)
sm.spline(x =M[,2],y =M[,1])
}
# an s3 method for predictdf (called within stat_smooth)
predictdf.smooth.Pspline <- function(model, xseq, se, level) {
pred <- predict(model, xseq)
data.frame(x = xseq, y = c(pred))
}
一个例子(使用mgcv::gam
作为比较安装了mgcv::gam
)。 mgcv
非常棒,在拟合方法和平滑样条选择方面具有很大的灵活性(尽管不是CV,只有GCV / UBRE / REML / ML)
d <- ggplot(mtcars, aes(qsec, wt))
d + geom_point() + stat_smooth(method = smP, se= FALSE, colour='red', formula = y~x) +
stat_smooth(method = 'gam', colour = 'blue', formula = y~s(x,bs='ps'))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.