岭迹图加图例——做线性模型实验报告2有感

最新推荐文章于 2023-07-12 21:37:19 发布

Demeow_critus

最新推荐文章于 2023-07-12 21:37:19 发布

阅读量2k

点赞数 4

分类专栏：线性模型文章标签： r语言经验分享

本文链接：https://blog.csdn.net/Demeow_critus/article/details/121503183

版权

线性模型专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文介绍了如何在R语言中利用lm.ridge进行岭回归分析，并通过ggplot2库创建带有图例的岭迹图。传统方法使用plot函数绘制的岭迹图缺乏图例，而通过tidy函数将lm.ridge的结果转换为数据框，然后利用ggplot的aes函数设置x轴为λ（岭参数），y轴为回归系数，color分类为自变量，可以生成清晰且带有图例的图形。

摘要由CSDN通过智能技术生成

最近在做线性模式实验报告，在网上找到的画岭迹图的方法普遍是：

fit <- lm.ridge(因变量~自变量,data=XXX（中心标准化）,lambda=seq(0,0.2,0.01))
plot(fit)

但是这样跑出来的结果没有图例，看起来很令人迷惑。

fit <- lm.ridge(GNP.deflator~.,data=data.frame(longleydata),lambda=seq(0,0.2,0.01))
plot(fit)

在琢磨了很久怎么用legend函数匹配上plot的图里颜色后，我找到了一个帖：r - How to perform lm.ridge summary? - Stack Overflow里面有两种画有图例的岭迹图的方法，秘诀就是不要用plot&legend函数，直接ggplot画图。我只用了其中一种，用到了broom包里面的tidy()函数，该函数返回岭参数的值+Generalized Cross-Validation值+某个自变量+对应的岭回归系数+scale组成的数据框。

然后ggplot美学层中取 x=岭参数，y=岭回归系数，color分类=自变量

有图例啦啦啦！！！

fit_ridge <- lm.ridge(GNP.deflator~., data=data.frame(longleydata), lambda=seq(0,0.2,0.005))
fit_td <- tidy(fit_ridge)
ggplot(fit_td, aes(x=lambda,y=estimate,color=term))+geom_line()