PROSAGA码农传奇-模型可视化-在ggplot上添加回归线

0# 無口君 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”>
  <P>
    使用的明显解决方案
     <code>
      geom_abline
    </code>
    ：
  </p>
   <pre>
    <code>
      geom_abline(slope = data.lm$coefficients[2], intercept = data.lm$coefficients[1])

</code>
  </pre>
  <P>
    哪里
     <code>
      data.lm
    </code>
     是一个
     <code>
      lm
    </code>
     对象，和
     <code>
      data.lm$coefficients
    </code>
     看起来像这样：
  </p>
   <pre>
    <code>
      data.lm$coefficients
(Intercept)    DepDelay 
  -2.006045    1.025109

</code>
  </pre>
  <P>
    在实践中是相同的是使用
     <code>
      stat_function
    </code>
     绘制回归线作为x的函数，利用
     <code>
      predict
    </code>
    ：
  </p>
   <pre>
    <code>
      stat_function(fun = function(x) predict(data.lm, newdata = data.frame(DepDelay=x)))

</code>
  </pre>
  <P>
    默认情况下，效率稍低
     <code>
      n=101
    </code>
     计算点数，但更灵活，因为它将为任何支持的模型绘制预测曲线
     <code>
      predict
    </code>
    ，如非线性的
     <code>
      npreg
    </code>
     来自包np。
  </p>
  <P>
    注意：如果您使用
     <code>
      scale_x_continuous
    </code>
     要么
     <code>
      scale_y_continuous
    </code>
     某些值可能会被截止
     <code>
      geom_smooth
    </code>
     可能无法正常工作。
    <a href="https://stackoverflow.com/q/25685185/3163618">
      使用
       <code>
        coord_cartesian
      </code>
       改为缩放
    </A>
    。
  </p>
</DIV>

1# ❀⚘粉༵红༵回༵忆༵⚘❀ | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”>
  <P>
    我发现了这个功能
    <a href =“https://sejohnston.com/2012/08/09/a-quick-and-easy-function-to-plot-lm-results-in-r/”rel =“nofollow noreferrer”title = “Plot lm（）在R”>中使用ggplot2
      博客
    </A>
  </p>
   <pre>
    <code>
       ggplotRegression <- function (fit) {

`require(ggplot2)

ggplot(fit$model, aes_string(x = names(fit$model)[2], y = names(fit$model)[1])) + 
      geom_point() +
      stat_smooth(method = "lm", col = "red") +
      labs(title = paste("Adj R2 = ",signif(summary(fit)$adj.r.squared, 5),
                         "Intercept =",signif(fit$coef[[1]],5 ),
                         " Slope =",signif(fit$coef[[2]], 5),
                         " P =",signif(summary(fit)$coef[2,4], 5)))
    }`

</code>
  </pre>
  <P>
    一旦你加载了你可以简单的功能
  </p>
   <pre>
    <code>
      ggplotRegression(fit)

</code>
  </pre>
  <P>
    你也可以去
     <code>
      ggplotregression( y ~ x + z + Q, data)
    </code>
  </p>
  <P>
    希望这可以帮助。
  </p>
</DIV>

2# 無口君 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”>
  <P>
    正如我刚想的那样，如果你有一个
    的<strong>
      拟合多元线性回归的模型
    </强>
    ，上述解决方案将无效。
  </p>
  <P>
    您必须手动创建您的行作为包含原始数据帧的预测值的数据框（在您的情况下）
     <code>
      data
    </code>
    ）。
  </p>
  <P>
    它看起来像这样：
  </p>
   <pre>
    <code>
      # read dataset
df = mtcars

# create multiple linear model
lm_fit <- lm(mpg ~ cyl + hp, data=df)
summary(lm_fit)

# save predictions of the model in the new data frame 
# together with variable you want to plot against
predicted_df <- data.frame(mpg_pred = predict(lm_fit, df), hp=df$hp)

# this is the predicted line of multiple linear regression
ggplot(data = df, aes(x = mpg, y = hp)) + 
  geom_point(color='blue') +
  geom_line(color='red',data = predicted_df, aes(x=mpg_pred, y=hp))

</code>
  </pre>
  <P>
    <a href="https://i.stack.imgur.com/J7HHY.png" rel="noreferrer">
      <img src =“https://i.stack.imgur.com/J7HHY.png”alt =“多个LR”/>
    </A>
  </p>
   <pre>
    <code>
      # this is predicted line comparing only chosen variables
ggplot(data = df, aes(x = mpg, y = hp)) + 
  geom_point(color='blue') +
  geom_smooth(method = "lm", se = FALSE)

</code>
  </pre>
  <P>
    <a href="https://i.stack.imgur.com/1v2VH.png" rel="noreferrer">
      <img src =“https://i.stack.imgur.com/1v2VH.png”alt =“Single LR”/>
    </A>
  </p>
</DIV>

3# 一别而尽几念深i | 2019-08-31 10-32

4# 甲基蓝 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”>
  <P>
    通常，要提供自己的公式，您应该使用参数
     <code>
      x
    </code>
     和
     <code>
      y
    </code>
     这将对应于您提供的值
     <code>
      ggplot()
    </code>
     - 在这种情况下
     <code>
      x
    </code>
     将被解释为
     <code>
      x.plot
    </code>
     和
     <code>
      y
    </code>
     如
     <code>
      y.plot
    </code>
    。有关平滑方法和公式的更多信息，请参见功能帮助页面
     <code>
      stat_smooth()
    </code>
     因为它是默认的统计数据
     <code>
      geom_smooth()
    </code>
    。
  </p>
   <pre>
    <code>
      ggplot(data,aes(x.plot,y.plot))+stat_summary(fun.data=mean_cl_normal) + 
  geom_smooth(method='lm',formula=y~x)

</code>
  </pre>
  <P>
    如果您使用的是相同的x和y值
     <code>
      ggplot()
    </code>
     调用并需要绘制线性回归线，然后您不需要使用里面的公式
     <code>
      geom_smooth()
    </code>
    ，只是供应
     <code>
      method="lm"
    </code>
    。
  </p>
   <pre>
    <code>
      ggplot(data,aes(x.plot,y.plot))+stat_summary(fun.data=mean_cl_normal) + 
  geom_smooth(method='lm')

</code>
  </pre>
</DIV>