R中的曲线拟合

曲线拟合：（线性回归方法：lm）

1、x排序

2、求线性回归方程并赋予一个新变量

      z=lm(y~x+I(x^2)+...)

3、plot(x,y)      #做y对x的散点图

4、lines(x,fitted(z))      #添加拟合值对x的散点图并连线

曲线拟合：（nls）

lm是将曲线直线化再做回归，nls是直接拟合曲线。

需要三个条件：曲线方程、数据位置、系数的估计值。

如果曲线方程比较复杂，可以先命名一个自定义函数。

例：

      f=function(x1, x2, a, b) {a+x1+x2^b};

      result=nls(x$y~f(x$x1, x$x2, a, b), data=x, start=list(a=1, b=2));

            #x可以是数据框或列表，但不能是矩阵

            #对系数的估计要尽量接近真实值，如果相差太远会报错：“奇异梯度”

      summary(result);      #结果包含对系数的估计和p值

根据估计的系数直接在散点图上使用lines加曲线即可。

曲线拟合：（局部回归）

lowess(x, y=NULL, f = 2/3, iter = 3)

      #可以只包含x，也可使用x、y两个变量

      #f为窗宽参数，越大越平滑

      #iter为迭代次数，越大计算越慢

loess(y~x, data, span=0.75, degree=2)

      #data为包含x、y的数据集；span为窗宽参数

      #degree默认为二次回归

      #该方法计算1000个数据点约占10M内存

举例：

x=seq(0, 10, 0.1); y=sin(x)+rnorm(101)      #x的值必须排序

plot(x,y);      #做散点图

lines(lowess(x,y));      #利用lowess做回归曲线

lines(x,predict(loess(y~x)));      #利用loess做回归曲线，predict是取回归预测值

z=loess(y~x); lines(x, z$fit);      #利用loess做回归曲线的另一种做法

欢迎交流：QQ279175732

擅长领域：室内定位，导航算法，数据分析与数据挖掘