R语言自适应平滑样条回归分析

在数学上,可以通过选择结点并使用(通常是三次)回归来估计结之间的点,并使用演算来确保每条单独的回归线连接在一起时曲线都平滑,从而重现该过程。

由Kaizong Ye,Liao Bao撰写

平滑的程度由参数控制,通常在0和1之间的范围内。

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。

结果如下:


热门课程

R语言数据分析挖掘必知必会

面对扑面而来的数据浪潮,包含Google、Facebook等国际企业,都已采用R语言进行数据分析

探索课程

应用的平滑量  由参数 spar 控制  。我们检查效果:

该图显示如下:

自适应平滑算法

尽管大多数平滑器需要指定带宽,数据部分或平滑级别,但超级平滑的不同之处在于它可以自行解决这些问题。因此,它是需要平滑处理而无需任何用户干预的情况的绝佳选择。Supersmoother通过执行许多简单的局部回归平滑来工作,并且在每个x值处,它使用这些平滑来确定要使用的最佳y值。在R中,可通过 supsmu  函数获得 超级平滑器。

为了说明这一点,考虑汽车数据。以下几行产生了 重量 与  MPG的关系图,并叠加了一条超平滑线。

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:

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


可下载资源

​非常感谢您阅读本文,如需帮助请联系我们!


关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。


 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498