loess

0热度

1回答

我试图筛选出过于接近或低于黄土曲线点正确安装黄土曲线：结果看起来是这样的：显然不是理想的结果。然而，如果我使用scatter.smooth功能我得到正确的寻找曲线：我该如何正确通过我的数据拟合曲线黄土？

0热度

2回答

我可以根据一列日期和第二列值创建R中的黄土线。加载数据集后，我可以看到以下一列数据： scatter.smooth(x=1:length(goals$Value), y=goals$Value) 但是，如何为其他列添加多个黄土线？在一张图中绘制所有黄土线的代码是什么？再说了，其他各个列被命名为值2，值3，值4等

1热度

1回答

寻找X（X）黄土功能

我一直在使用类似的数据夫妇黄土模型来.... set.seed(123) y<-(runif(100,-20,20)) z<-seq(-12.75,12,.25)*rnorm(100,1,3) x<-seq(1,100,1) df<-data.frame(cbind(y,x,z)) model <- loess(y ~ x, data = df) model2<-loess(z~x,

2热度

2回答

geom_smooth中的span参数控件是什么？

我使用ggplot2包中的geom_smooth在时间序列散点图上创建平滑线（一年中的每一天有一点，所以我有365点）。其中一个参数叫做span，并进入中给出的以下描述的帮助文件（?geom_smooth）：跨度控制默认黄土平滑的平滑量。较小的数字会产生扭曲线，较大的数字会产生较平滑的线条。但是，这实际上并没有告诉我什么span参数正在控制。将它设置为1是无用的，并将其设置为0.1可以提供看起

2热度

1回答

ggplot2 geom_smooth中黄土的基本设置是什么？

编辑： x = c(324, 219, 406, 273, 406, 406, 406, 406, 406, 168, 406, 273, 168, 406, 273, 168, 219, 324, 324, 406, 406, 406, 273, 273, 324, 324, 219, 273, 219, 273, 273, 324, 273, 324, 324, 406, 219, 406,

0热度

1回答

无效的类型（关闭）的变量，它是不是一个函数

loess.smooth <- function(dat) { dat <- dat[complete.cases(dat),] ## response vars <- colnames(dat) ## covariate id <- 1:nrow(dat) ## define a loess filter function (fitt

0热度

1回答

在条形图中添加一条光滑的拟合线条（黄土）

我正在尝试将黄土曲线添加到条形图中。加载ggplots2包后，我首先创建柱状图： test<-read.csv("tseries.csv", header = TRUE) barplot(test$tn90p, beside = TRUE,ylim =c(-6,6)) lo<-loess(tn10p~year, test) pred<-predict(lo, se = TRUE) a<-o

0热度

1回答

黄土适合错误R，线路遍布各地？

我遇到了适合R的Loess问题。我使用每个R安装中包含的默认虹膜数据集。但是，当我尝试制作黄土线时，它会遍布各处。黄土（y〜x）的黄土线是红色的，因为我想试验一下，看看我是不是在排序x和y错误，黄土（x〜y）的线是蓝色的。正如你所看到的，这些行很明显是错误的。这是为什么发生？我似乎无法修复它。下面是代码： #ignore library(lattice) #cloud() #CODE OF

0热度

1回答

试图将黄土平滑曲线添加到散点图

我想将一个黄土平滑拟合曲线添加到我在R的散点图中。我似乎无法弄清楚我的代码下面出现了什么问题......仅供参考，变量poverty和binge_all是数据帧correlational_data的列名。我已经加载了ggplot2包/库。 library(ggplot2) p <- ggplot(correlational_data, aes(poverty, binge_all)) p

3热度

1回答

R for循环n次

我正在尝试编写for循环来重复（c）和（d）100次。我想在for循环的每次迭代中打印TRS-TRS0的估计值。它应该停止算法，如果它很小（比如说1/10000）。最后，我希望它创建一个显示每个值的情节。我想我有这里的一切，但是当我运行它时，我没有看到任何事情发生。我错过了什么吗？ for (i in 1:100){ #c) fit1 = loess(res~x2, data