用於stat_smooth的smooth.Pspline包裝器（在ggplot2中）

Question

對不起，如果這個問題很簡單，但是我想弄清楚如何在R中繪制某種類型的自然三次樣條（NCS）並且它完全沒有我。

在之前的一個問題中，我學會了如何在ggplot中繪制由ns（）命令生成的NCS，但我對如何在pspline包中生成稍微不同的NCS生成smooth.Pspline命令感興趣 。 據我所知，這是唯一一個自動為CV給定數據集選擇適當平滑罰分的包。

理想情況下，我可以提供smooth.Pspline作為ggplot2中stat_smooth圖層的方法。 我目前的代碼如下：

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的功能替換“lm”公式。 我做了一些谷歌搜索，並找到了一個非常相似的B樣條函數smooth.spline的解決方案 ，由Hadley編寫。 但是我無法使其適應光滑.Pspline非常完美。 有任何人對此有經驗嗎？

非常感謝！

Answer 1

您只需要檢查predict.smooth.Pspline如何返回預測值。

在stat_smooth的內部工作中， predictdf來創建平滑線。 predictdf是內部（非導出）函數ggplot2 （它被定義在這里 ）它是一個標准方法，S3。

sm.spline返回類smooth.Pspline的對象，因此stat_smooth工作，您需要為類smooth.Pspline創建predictdf方法。

因此，以下將起作用。

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))
}

一個例子（使用mgcv::gam作為比較安裝了mgcv::gam ）。 mgcv非常棒，在擬合方法和平滑樣條選擇方面具有很大的靈活性（盡管不是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'))