用于stat_smooth的smooth.Pspline包装器（在ggplot2中）

Question

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！

Answer 1

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'))