R语言自适应平滑样条回归分析

可下载资源

为了说明，我们考虑由来自1910至2004年的小麦产量数据集 。

生成数据图，并叠加样条曲线平滑度。

> plot(wheat$year,wheat$production)
> lines(smooth.spline(wheat$year,wheat$production))

结果如下：

课程

R语言数据分析挖掘必知必会

从数据获取和清理开始，有目的的进行探索性分析与可视化。让数据从生涩的资料，摇身成为有温度的故事。

立即参加 ➜

​

应用的平滑量  由参数 spar 控制  。我们检查效果：

sapply(spars,plotfn)

该图显示如下：

​

带有面板的平滑算法

在使用点阵图形时，我们已经看到了 panel.lmline 的使用  ，它在点阵图的每个面板中显示最佳回归线。可以使用类似的函数  panel.loess 在图的每个面板中叠加局部加权回归平滑器。作为简单说明，考虑内置的  Orange  数据集，其中包含有关几棵橙树的年龄和周长的信息。首先，让我们看一幅具有最佳回归线平滑度的图，该图叠加在 每 棵树的年龄 与 周长图上  ：

要创建相同的图，但要使用  panel.loess  函数，可以使用以下代码：

> xyplot(circumference~age|Tree, 
+        ...)})

如果 您想让它更平滑，可以使用  panel.lines  函数直接绘制它：

> xyplot(circumference~age|Tree, 
+   ,...)})

​