原文链接:http:///?p=22438多项式回归是独立x变量和因果y变量之间的非线性关系。 当我们分析有一些弯曲的波动数据时,拟合这种类型的回归是很关键的。
准备数据我们首先要准备测试数据,如下所示。 function(x) x^3+2*x^2+5
plot(df$x, df$y 拟合模型我们用lm()函数建立一个带有公式的模型。 I(x^2)在一个公式中代表x2。我们也可以使用poly(x,2)函数,它与I(x^2)的表达方式相同。
pred = predict(model,data=df) 寻找最佳拟合找到最佳拟合的曲线很重要。我们用各种可能的函数检查模型。在这里,我们应用四种类型的函数进行拟合,并检查其性能。 源代码列在下面。 lines(df$x, predict(lm(y~x, data=df)), type="l" lwd=2) 绘制结果1. 用plot()函数作图。 2. 用ggplot()作图。 ggplot(data=df ) + 在本教程中,我们简要了解了如何拟合多项式回归数据,并使用R中的plot()和ggplot()函数绘制结果,完整的源代码如下。 |
|