R：完美的平滑曲线 [英] R: perfect smoothing curve

问题描述

我试图将平滑曲线拟合到我的数据集中;是否有比我使用下面的代码产生的更好的平滑曲线：

  x < -  seq（1，10，0.5 ）
y <-c（1,1.5,1.6,1.7,2.1，
 2.2,2.2,2.4,3.1,3.3，
 3.7,3.4,3.2,3.1,2.4，$ b （x，y）
 xv < -  seq（min（x），max（x，y））b b1,1.7,1.6,1.4）
 lo<  - 黄土（x），（max（x） -  min（x））/ 1000000）
 lines（xv，predict（lo，xv），col ='blue'，lwd = 1）
  

EDITS：

我不打算产生好看）
我想显示一个平滑的趋势....
我不关心相关的模型公式....我需要恢复公式

解决方案

正如所提出的，这个问题几乎没有意义。有没有这样的事情作为最佳适合线，因为​​最好取决于你的研究目标。生成一条平滑的线以适应每个单点数据是相当简单的（例如，一个18阶多项式将完美地适合您的数据，但很可能是相当无意义的）。

也就是说，您可以通过更改 span 来指定 loess 模型的平滑度 c $ c>参数。量程越大，曲线越平滑，量程越小，每个点越适合：

这是一个值 span = 0.25 ：

  x < -  seq（1， （1,1.5,1.6,1.7,2.1，
 2.2,2.2,2.4,3.1,3.3，
 3.7,3.4,3.2,3.1,2.4，
 1.8,1.7,1.6,1.4）
 
 xl < -  seq（1,10,0.125）
 plot（x，y）
 lines（xl，predict （黄土（y〜x，span = 0.25），newdata = xl））
  

---

<另一种方法是通过数据拟合样条曲线。样条线被限制穿过每个点（但是更平滑的例如 lowess 可能不会。）

 plot（x，y）
 lines（predict（spl，xl））
  

I am trying to fit smooth curve to my dataset; is there is any better smoothing curve than I produced using the following codes:

x <- seq(1, 10, 0.5)
y <- c(1, 1.5, 1.6, 1.7, 2.1,
       2.2, 2.2, 2.4, 3.1, 3.3,
        3.7, 3.4, 3.2, 3.1, 2.4,
        1.8, 1.7, 1.6, 1.4)
lo <- loess(y~x)
plot(x,y)
xv <- seq(min(x),max(x), (max(x) - min(x))/1000000)
lines(xv, predict(lo,xv), col='blue', lwd=1)

EDITS:

I do not intend to produce good looking (not necessary) I want show a smoothed trend .... I am not concerned with associated model formula ....I do need to recover formula

解决方案

As posed, the question is almost meaningless. There is no such thing as a "best" line of fit, since "best" depends on the objectives of your study. It is fairly trivial to generate a smoothed line to fit through every single point of data (e.g. a 18th order polynomial will fit your data perfectly, but will most likely be quite meaningless).

That said, you can specify the amount of smoothness of a loess model by changing the span argument. The larger the value of span, the smoother the curve, the smaller the value of span, the more it will fit each point:

Here is a plot with the value span=0.25:

x <- seq(1, 10, 0.5)
y <- c(1, 1.5, 1.6, 1.7, 2.1,
    2.2, 2.2, 2.4, 3.1, 3.3,
    3.7, 3.4, 3.2, 3.1, 2.4,
    1.8, 1.7, 1.6, 1.4)

xl <- seq(1, 10, 0.125)
plot(x, y)
lines(xl, predict(loess(y~x, span=0.25), newdata=xl))

---

An alternative approach is to fit splines through your data. A spline is constrained to pass through each point (whereas a smoother such as lowess may not.)

spl <- smooth.spline(x, y)
plot(x, y)
lines(predict(spl, xl))

这篇关于R：完美的平滑曲线的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！