こんにちは、stat_smoothの方程式は、ggplot2の中か、または他のどこかで取り出すことができます。私が使用していたコードは次のとおりです。ggplot2のstat_smoothの式を受け取るR mtcarsの例
p <- ggplot(data = mtcars, aes(x = disp, y = drat))
p <- p + geom_point() + stat_smooth(method="loess")
p
おかげ
こんにちは、stat_smoothの方程式は、ggplot2の中か、または他のどこかで取り出すことができます。私が使用していたコードは次のとおりです。ggplot2のstat_smoothの式を受け取るR mtcarsの例
p <- ggplot(data = mtcars, aes(x = disp, y = drat))
p <- p + geom_point() + stat_smooth(method="loess")
p
おかげ
ggpmisc
パッケージには、非常に役に立つことができます。しかし、黄土は数式を与えていないので、黄土と一緒には動作しません。ここを参照してください:Loess Fit and Resulting Equation
library(ggplot2)
library(ggpmisc)
p <- ggplot(data = mtcars, aes(x = disp, y = drat)) +
geom_point() +
geom_smooth(method="lm", formula=y~x) +
stat_poly_eq(parse=T, aes(label = ..eq.label..), formula=y~x)
p
黄土関数の他の代替手段はありますか?または無し –
黄土は、むしろあなたのデータのトレンドの可視化です。方程式が必要な場合は、線形モデル、多項式回帰、一般化適応モデル(GAM)などの回帰手法を適用することをお勧めします。しかし、ほとんどの場合、データとの関係は何かを先験的に定義する必要があります(例:y〜xまたはy〜x + x^2)。ここであなたの質問に関する素晴らしいディスカッションです:[リンク](https://stackoverflow.com/questions/7550582/when-to-choose-nls-over-loess) – MikolajM
私はあなたの唯一のオプションは、stat_smooth' 'のコードに直接取得することだと思います。最初の目標は何ですか? –
方程式(最良適合)を使用して同様のデータフィッティングのために一般化する –