拟合平滑曲线以绘制 R 中的数据
在本文中,我们将了解在 R 编程中将平滑曲线拟合到数据图的概念。平滑是数据分析中的一个重要概念。它也被称为曲线拟合和低通滤波。用于平滑的最常见的非参数方法是 loess()函数。 Loess 是 Local Regression 的缩写,用于拟合局部邻域中的多元回归。 span 参数用于控制邻域的大小。大小介于 0 和 1 之间。跨度值越大,拟合曲线越平滑。
Loess()函数的使用: Loess()函数用于数值向量以使其平滑。它还用于在本地预测 Y。
Syntax: loess(y ~ x)
Return: It smooth curve to plot of data
示例 1:以下是将平滑曲线拟合到绘图的实现:
R
# Create example data
set.seed(159632)
x <- 1:80
y <- sort(rnorm(80))
# Apply loess function
values <- loess(y ~ x)
plot(x, y)
lines(predict(values),
col = "blue",
lwd = 2)
R
x <- c(7 ,5, 2, 9, 1, 9, 17, 8, 9, 10)
y <- c(12, 14, 16, 18, 20, 2, 4, 6, 8, 7 )
values <- loess(y ~ x)
plot(x, y)
lines(predict(values), col = 'red', lwd = 2)
输出:
在上面的示例中 loess()函数用于将平滑曲线拟合到绘图中。 lwd 参数用于指定平滑曲线的线型。参数 x 和 y 用于为绘图提供协调。然后 loess函数将在图中设置一条平滑曲线。
示例 2:使用 loess()函数说明另一个示例:
电阻
x <- c(7 ,5, 2, 9, 1, 9, 17, 8, 9, 10)
y <- c(12, 14, 16, 18, 20, 2, 4, 6, 8, 7 )
values <- loess(y ~ x)
plot(x, y)
lines(predict(values), col = 'red', lwd = 2)
输出:
在上面的示例中,绘制了 X 轴和 Y 轴值。使用 loess函数拟合平滑曲线。预测将是平滑拟合曲线中适当维度的数组。