使用ggplot2中的参数绘制逻辑回归图
时，可以通过设置不同的参数来实现不同的效果。下面是一些常用的参数及其作用：
- geom_smooth方法：用于添加逻辑回归线。可以设置方法参数为"glm"或者"lm"来选择逻辑回归方法。推荐使用腾讯云产品的“机器学习平台”（链接地址：https://cloud.tencent.com/product/mls）来进行逻辑回归分析。
- method参数：用于设置逻辑回归方法的具体实现方式。可选的值包括"glm"、"lm"等。推荐使用腾讯云产品的“机器学习平台”（链接地址：https://cloud.tencent.com/product/mls）来进行逻辑回归分析。
- formula参数：用于设置逻辑回归模型的公式。可以使用R语言的公式语法，例如"y ~ x1 + x2"表示使用x1和x2作为自变量，y作为因变量的逻辑回归模型。
- se参数：用于设置是否显示置信区间。设置为TRUE时显示置信区间，设置为FALSE时不显示。
- color参数：用于设置线条的颜色。可以设置为一个颜色值或者一个变量名，根据变量值的不同自动为每条线条设置不同的颜色。推荐使用腾讯云产品的“数据分析平台”（链接地址：https://cloud.tencent.com/product/dp）进行数据分析。
- linetype参数：用于设置线条的类型。可以设置为"solid"、"dashed"、"dotted"等不同类型的线条。
- size参数：用于设置线条的宽度。可以设置为一个数字来调整线条的粗细。
通过调整这些参数，我们可以实现不同风格的逻辑回归图，从而更好地展示数据和回归模型的关系。
相关·内容
我正在尝试以下代码，在不指定任何特定函数的情况下获得非线性回归：
library(drc)
head(heartrate)
# pressure rate
#1 50.85 348.76
#2 54.92 344.45
#3 59.23 343.05
#4 61.91 332.92
#5 65.22 315.31
#6 67.79 313.50
library(ggplot2)
ggplot(heartrate, aes(pressure, rate)) +
geom_point() +
geom_smooth(method=&#
浏览 9提问于2016-12-05得票数 2
3回答
我正在使用效果包来绘制这样的线性回归的交互效应：
library(effects)
Model <- lm(drat~hp*cyl, data=mtcars)
plot(effect(term="hp*cyl",mod=Model,default.levels=10),multiline=TRUE)
我如何改变限制，使其从0到10？我尝试过ylim=(0,10)和其他没有效果的变体。或者，是否可以使用ggplot2以同样的方式绘制回归图？
浏览 9提问于2017-10-04得票数 2
回答已采纳
我试图用ggplot2绘制多元线性回归的交互效应图。但是，所绘制的直线的斜率与基于lm函数返回的估计值不匹配。
这是我的代码：
lm.sense <- lm(sense_of_belonging ~ active*mathEAL + MathID + comfort_speaking, data=Data)
library(ggplot2)
p.sense <- ggplot(lm.sense, aes(y=sense_of_belonging, x=active, color=mathEAL)) + geom_smooth(method="lm", se=FALS
浏览 7提问于2022-05-18得票数 0
我想使用stat_smooth()绘制具有多个回归变量的回归的拟合值。看起来stat_smooth()只允许使用ggplot的aes部分中指定的(x，y)数据的回归。 下面是使用x=hp和y=mpg进行简单回归拟合的典型曲线图 head(mtcars)
require(ggplot2)
ggplot(mtcars, aes=(x=hp, y=mpg))+geom_point()+
stat_smooth(method="lm", formula=y~x) 但是，我想绘制与上面相同的图，但是拟合的值应该来自具有两个回归变量的回归，例如x1=hp和x2=wt。 这个想法是，在控制
浏览 41提问于2019-05-15得票数 0
1回答
在R统计软件包中，是否有一种方法可以用一个连续变量和一个范畴变量绘制二阶多项式回归图？
用一个范畴变量生成线性回归图：
library(ggplot2)
library(ggthemes) ## theme_few()
set.seed(1)
df <- data.frame(minutes = runif(60, 5, 15), endtime=60, category="a")
df$category = df$category=letters[seq( from = 1, to = 2 )]
df$endtime = df$endtime + df$minutes^
浏览 2提问于2021-11-07得票数 1
回答已采纳
我正在尝试绘制pdp、ale和ICE图，用于在r中使用Xgboost库构建回归Xgboost模型。我已经使用pdp库尝试过了： library(pdp)
xv <- data.matrix(subset(data, select = -ICP)) # training features
p1xv <- partial(xgbc, pred.var = "za1", ice = TRUE, center = TRUE,
plot = TRUE, rug = TRUE, alpha = 0.1, plot.engine = "gg
浏览 40提问于2021-02-03得票数 0
回答已采纳
3回答
我有一个关于为具有多个预测者的logistic回归模型绘制概率曲线的问题。我之所以在这里发布这篇文章，是因为我想知道ggplot2特定的解决方案，以及在ggplot2中从logit模型创建有用的图形。
下面是一个示例：
library(car)
mtcars
log <- glm(vs ~ mpg + am, data=mtcars, family=binomial)
summary(log)
这提供了logit coef(对数赔率)，但我想知道如何继续预测ggplot2中所有的mpg和am的Y=1。基本上，我如何使用ggplot2来创建对解释logit模型的结果有用的图？当有多个预测器
浏览 1提问于2012-07-07得票数 0
回答已采纳
1回答
散点图的连续分位数
、、、
我有一个数据集，我绘制了一个回归图(使用ggplot2的stat_smooth)：
ggplot(data = mydf, aes(x=time, y=pdm)) + geom_point() + stat_smooth(col="red")
我还希望使用相同的方法获得分位数(如果更简单，只有四分位数就可以了)。我所得到的信息如下所示：
ggplot(data = mydf, aes(x=time, y=pdm, z=surface)) + geom_point() + stat_smooth(col="red") + stat_quantile(q
浏览 0提问于2016-03-31得票数 3
以下是我正在处理的数据： data <- data.frame(id = rep(1:3, each = 30),
intervention = rep(c("a","b"),each= 2, times=45),
area = rep(1:3, times=30),
"dv1" = rnorm(90, mean =10, sd=7),
"dv2" = rnorm(90, mean =5, sd=3),
out
浏览 21提问于2021-01-29得票数 3
我正在用ggplot2使用stat_smooth函数绘制一条线性回归线。
如预期的那样，函数将计算预测值、置信区间和标准错误，如在“帮助”页中所写。
y:预测值
伊明:均值附近的低点置信区间
ymax:均值附近的上点置信区间
标准误差
绘制95%置信区间的默认方法类似于geom_ribbon的输出。
我想把ymin和ymax画成线，没有阴影的灰色区域。
有什么方法可以直接在函数中实现吗？我必须直接访问这些值吗？
编辑：是一个圆点图，回归线的目标是简单地可视化一个趋势。因此，我没有lm对象。当然，我可以绘制回归对象的输出，但我想知道是否可以充分利用非常方便的stat_sm
浏览 1提问于2017-05-04得票数 0
我想对tmt的不同治疗方法进行一次负二项回归。对于每种治疗，我想找到一个二项式回归平均值和95% CI，并生成一个表如下所示。
library(MASS)
df <- data.frame(x = rnorm(12, 4,1), y = rnorm(12, 6,4), tmt = rep(c("A","B","C"), each = 4))
library(ggplot2)
library(dplyr)
mod <- glm.nb(x ~ y + tmt,df)
#Need to store the mean and 95% C
浏览 5提问于2022-07-03得票数 0
1回答
我正在尝试绘制一个数据集，在y轴上具有2个水平因子，在x轴上具有一个数值变量，以便绘制逻辑回归。然而，当我尝试创建一个图时，我得到的是条形图而不是散点图。有没有办法强制R将其绘制为散点图？ 我尝试过其他的散点图方法(ggplot2，car中的散点图)，但我也遇到了让它们绘制逻辑曲线的问题，因此我尝试使用默认的绘制方法。 绘图代码- plot(Threatened~tl_mm.log, data=df2) 相关变量的结构 str(df2)
$ Threatened : Factor w/ 2 levels "Not_Threatened",..: 1 2 1 1 1 1
浏览 27提问于2020-12-01得票数 0
回答已采纳
1回答
我有一幅图，我想用不同的颜色表示这些点，但根据所有的点绘制线性回归图：
library(ggplot2)
set.seed(1)
df <- data.frame(x=rnorm(100),
y=rnorm(100),
group=factor(rep(1:2,each=50)))
ggplot(df,aes(x=x,y=y,color=group)) +
stat_smooth(aes(group=1), method="lm", fill=NA) +
geom_point() + th
浏览 0提问于2016-02-04得票数 2
回答已采纳
1回答
我正在尝试将用ggplot2制作的圆形条形图复制到ciclize中，如下所示： ? 虽然我可以将其带入散点图并添加回归： ? 我更感兴趣的是作为条形图的可视化。然而，我在circlize指南或任何示例中都没有找到任何类似的示例。我已经使用了circos.polygon工具，但是绘制每个条形图似乎不是最好的解决方案。因此，我想知道是否有人已经在玩弄这一点，而堆栈溢出中没有特定的主题存在。
浏览 16提问于2020-06-09得票数 2
这段代码用ggplot2中的交互绘制了回归线：
library(ggplot2)
ggplot(mtcars, aes(hp, mpg, group = cyl)) + geom_point() + stat_smooth(method = "lm")
可以用stat_smooth绘制没有交互的线条吗？
浏览 0提问于2014-05-18得票数 6
回答已采纳
例如，如果我有以下数据框架(DF)，那么如何在一个图中使用ggplot2来绘制VAR1对年份和VAR2与年份的关系图？再加上回归线？
year VAR1 VAR2
2001 10 12
2002 30 12
2003 20 15
我可以使用qplot(year, VAR, data=DF, geom=c("point", "smooth"), method="lm", se=FALSE)获得一个图，但不知道如何添加另一个图。我是否需要以某种方式重新排列数据，使其具有因素，然后使用facets属性？
浏览 0提问于2015-06-08得票数 2
回答已采纳
下图是由Michael，使用的概念图，用来解释主的悖论和回归中的相关现象。
我的问题是在这种背景下，并使用ggplot2，但它是更广泛的几何学&图形。
我想复制这样的数字，但使用实际数据。我需要知道：
y-xhow 如何在原点绘制一个新的轴，其角度为-45度，对应于的值，以绘制少量的正态分布或密度图，或其他表示投影到此轴上的y-x值。
我的最小基础示例使用ggplot2，
library(ggplot2)
set.seed(1234)
N <- 200
group <- rep(c(0, 1), each = N/2)
initial <- .75*gr
浏览 1提问于2022-02-05得票数 4
回答已采纳
我想使用ggplot2直接根据参数估计绘制逻辑回归图，但不太确定如何做。 例如，如果我有1500个alpha和beta参数估计，我可以绘制每条线，如下所示： alpha_post = rnorm(n=1500,mean=1.1,sd = .15)
beta_post = rnorm(n=1500,mean=1.8,sd = .19)
X_lim = seq(from = -3,to = 2,by=.01)
for (i in 1:length(alpha_post)){
print(i)
y = exp(alpha_post[i] + beta_post[i]*X_lim)/(1
浏览 22提问于2019-02-28得票数 1
回答已采纳
1回答
我正在绘制相同的密度图使用基绘图系统和ggplot2。基绘图系统中的密度图具有平滑的尾部：
d = density(iris$Sepal.Length)
plot(d)
ggplot2中的密度图有短尾：
library(ggplot2)
ggplot( iris, aes(x=Sepal.Length)) + geom_density()
有没有办法强迫ggplot2绘制类似于基础绘图系统的密度图(有平滑的尾巴)？
浏览 1提问于2020-04-08得票数 2
回答已采纳
1回答
我的问题类似于，但答案对我不起作用。基本上，我试图用“模糊”设计来生成一个回归不连续图，它使用治疗组和控制组的所有数据，但只绘制治疗组和对照组的“范围”内的回归线。
下面，我模拟了一些数据，并用基本图形生成了模糊RD图。我希望用ggplot2复制这个情节。请注意，最重要的部分是，浅蓝回归线适合使用所有的蓝色点，而桃色回归线适合使用所有的红点，尽管只是绘制在个人打算接受治疗的范围。这是我很难复制的部分。
我想要转到ggplot，因为我想使用faceting在不同的单元中生成相同的图，在这些单元中，参与者是嵌套的。在下面的代码中，我展示了一个使用geom_smooth的非示例。当一个群体中没有模糊
浏览 2提问于2016-10-05得票数 3
回答已采纳
我有一个有4个物种的物种矩阵。我想在ggplot2中绘制它们的丰度图，而不使用ggpairs。我不知道如何最好地将它转换成一个数据集，每个物种对都可以用facet_wrap绘制，除了它本身(总共有6幅图)和线性回归拟合。我也不知道如何标记每一行的轴，因为每一行都不同(图1:x= sp.1，y= sp.2；Plot2 x= sp.2，y= sp.3)
#Data-Set
sp1 <- rnorm(72, mean = 4, 1)
sp2 <- rnorm(72, mean = 2, 1)
sp3 <- rnorm(72, mean = 3, 1)
sp4 <- rnorm
浏览 2提问于2021-07-02得票数 0
回答已采纳
2回答
有点新手的问题。我想使用ggplot2绘制我的多元回归模型，但我遇到了一个错误。我在论坛上做了一些研究，然后才决定去问社区。被错误地发布在错误的论坛上。
我知道如何绘制一个简单的线性回归图：
ggplot(data, aes(x=X, y=Y))+geom_point()+
geom_smooth(method='lm',formula=Y~X)
但当我试图做多元回归时：
Model<-lm(Y~x1*x2*x3*x4*x5, data, na.action=na.omit)
ggplot(data, aes(x=X, y=Model))+geom_point()
浏览 3提问于2017-02-14得票数 0
当使用facet_wrap生成盒形图时，ggplot2在框之间留下了很大的空间。我想把它们弄得更宽。
library(ggplot2)
packageVersion("ggplot2")
ggplot(diamonds, aes(x = cut, y = price)) +
geom_boxplot(varwidth = FALSE) +
facet_wrap("color")
我认为这是因为它留下了空间，以防它需要绘制不需要在每个面板中绘制的因素层次的组合。为了检查这一点，我用一个新变量生成了一个类似的图，这个变量是cut by color，在x轴上
浏览 4提问于2017-11-09得票数 0
回答已采纳
? 这些是数据和代码的一部分，我想用ggplot2在R中绘制回归图。结果是不希望的，你能告诉我我犯了什么错误吗？ age purchase_freq
<dbl> <chr>
1 81 30
2 61 89
3 54 67
4 33 43
5 55 35
6 58 25
7 31 71
8 20 10
浏览 11提问于2020-06-18得票数 0
回答已采纳
1回答
我正在SPSS中运行二进制逻辑回归，以测试例如电视广告对消费者购买产品的概率的影响。我的问题是，使用二元逻辑回归公式：
P=1/(1+e^(-(a+b*Adv)) )
最大概率将等于100%。然而，即使我将广告数量增加1000个，假设购买概率将是100%也是不明智的。因此，如果我用二进制logistic回归中的系数绘制Logistic回归图，在某个点上概率达到100%，这在现实生活中从来不是这样的。我该如何控制它呢？
有没有办法改变SPSS二进制逻辑回归，使其具有最大概率，例如20%？
谢谢!
浏览 6提问于2014-12-11得票数 0
1回答
图例中的回归线应较细
、、、、
我正在用回归线绘制点。点的大小在一个变量中。图例中的回归线绘制的宽度与我的图表中的不同。
df = data.frame( x=1:20, y=(1:20)^ 2 , t=20:1 )
ggplot(df,aes(x=x,y=y,size=t)) +
geom_point() +
geom_smooth(method='loess')
我得到了这张图。听着，传说不是真的。
图例中的回归线应该较细。我该如何解决这个问题呢？
浏览 5提问于2020-03-07得票数 2
回答已采纳
我正在使用MATLAB函数plotregression绘制一个线性回归图，如下所示：
plotregression(x, y)
现在，我想绘制六个不同的回归图，并将它们划分为子图，如下所示：
subplot(2,3,1)
plotregression(x1,y1)
subplot(2,3,2)
plotregression(x2,y2)
...
但是，这是行不通的:忽略subplot命令，只显示最后一个回归图。如何在同一窗口中显示多元回归图？
我还想手动设置每个回归图的xlabel和ylabel。这有可能吗？
浏览 15提问于2016-10-04得票数 0
回答已采纳
我想绘制回归残差与正态分布的残差密度图。
我找到了一些具有最终结果的代码：
library(ggplot2)
#Sample data
dat <- data.frame(dens = c(rnorm(100), rnorm(100, 10, 5))
, lines = rep(c("a", "b"), each = 100))
#Plot.
ggplot(dat, aes(x = dens, fill = lines)) + geom_density(alpha = 0.5)
但是我的代码看起来像这样：
residua
浏览 1提问于2014-03-05得票数 0
我正在尝试将逻辑回归的组合图绘制为函数 logi.hist.plot 但是我想用 ggplot2 (美学原因)。 问题是只有一个直方图应该具有比例 _ 是 _ reverse()。 有没有办法在单个图中指定这一点(参见下面的代码)，或者通过使用可以传递给前一个图的坐标来重叠两个直方图？ ggplot(dat) +
geom_point(aes(x=ind, y=dep)) +
stat_smooth(aes(x=ind, y=dep), method=glm, method.args=list(family="binomial"), se=FALSE) +
浏览 43提问于2016-02-12得票数 8
回答已采纳
1回答
用R标绘分组平均数
、、、
我通过线性回归y~x得到概率，其中x是在一个固定范围内的浮点值，例如在0到5之间，并且观测到的y都是0或1s。注意x可以被复制，例如数据是(0.1,0)，(0.1,1)，(0.1,0)，(0.12,1)等等。
做回归本身是很好的，我也可以绘制回归结果，例如通过ggplot2包
qplot(x,y,data=data,geom='smooth',method='lm')
由于实际数据的散点图会在y=0和y=1上增加许多点，所以我希望得到“分组平均值”，例如，[0，0.2]中所有x的平均值为一个点，另一个为[0.2,0.4)，等等。
理想情况下，该地块还将显示类似于
浏览 3提问于2018-06-26得票数 1
回答已采纳
1回答
我需要在ggplot2中绘制logit回归的预测概率图。本质上，我试图通过同一图中的每个治疗条件来绘制glm。然而，考虑到我的treat变量(即我感兴趣的x)是categorical.This，这意味着当我尝试使用ggplot绘制治疗效果时，我只得到0、1和2处的一堆点，但没有直线。
我的问题是。在这种情况下，我如何绘制logit预测线？提前感谢！
set.seed(96)
df <- data.frame(
vote = sample(0:1, 200, replace = T),
treat = sample(0:3, 200, replace = T))
glm_outp
浏览 0提问于2017-01-07得票数 3
1回答
我在R中绘制了这个图表：
library(ggplot2)
set.seed(1)
x <- rnorm(100)
eps <- rnorm(100, sd=0.25)
y <- -1+0.5*x+eps
arq <- data.frame(X=x, Y=y)
disp <- ggplot(arq)+geom_point(aes(X,Y), col="gold")+theme_bw()+
geom_smooth(aes(X,Y,color="Regression"), method=lm, se=FALSE, size=0.5,
浏览 0提问于2018-05-18得票数 1
回答已采纳
我的目标是在同一个变量的同一幅图中画出两个不同的密度。我想这样做，因为在回归间断设计中显示强制变量(此处z)的鲁棒性是常见的。在下面的代码中，我让它正常工作，但是我不希望在截止点之前绘制密度(这里是0)，如果键是“上面”的，反之亦然。另外，图不应该仅仅因为平滑而被隐藏。它应该开始计算密度，直到(或开始)截止。
library(ggplot2)
x <- rnorm(1000, mean = 0)
y <- rnorm(500, mean = 2)
z <- append(x,y)
d <- tibble(value = z, key = ifelse(z <=
浏览 1提问于2022-04-02得票数 0
我是R公司的新手，有一个与ggplot相关的问题。下面是一个虚拟数据框架，其中一个列包含预测器(xvar)和多列二分结果(yvar1、yvar2、yvar3)。
df <- data.frame("xvar"=c(0,100,200,300,400,500,600,1000),"yvar1"= c(0,0,0,0,0,0,1,1),"yvar2"=c(0,0,1,1,1,1,1,1),"yvar3"=c(0,0,1,1,0,1,1,1))
我已经创建了一个for循环，以便针对预测器xvar为每个yvar运行一个逻辑回归。我能
浏览 1提问于2015-03-02得票数 1
回答已采纳
多亏了，我已经使用lme4拟合了一个回归。现在我有了每个状态的回归拟合，我想使用网格来绘制每个状态的QQ图。我还想以网格格式绘制每个状态的误差图。如何使用lme4回归的结果制作点阵图？
下面是一个使用两个状态的简单示例(是的，我喜欢一个好的头韵)。我想做一个由物体组成的两块格子。
library(lme4)
d <- data.frame(state=rep(c('NY', 'CA'), c(10, 10)), year=rep(1:10, 2), response=c(rnorm(10), rnorm(10)))
fits <- lmList(re
浏览 1提问于2009-08-19得票数 3
回答已采纳
下面是我在R中接收到的消息的代码：
> library(sjPlot)
Attaching package: ‘sjPlot’
The following objects are masked _by_ ‘.GlobalEnv’:
adjust_plot_range, sjp.int
Warning message:
package ‘sjPlot’ was built under R version 3.1.3
图书馆(Sjmisc)
Warning message:
package ‘sjmisc’ was bui
浏览 1提问于2016-02-05得票数 0
3回答
是否可以使用循环在单个绘图中绘制成对的列？例如，如果我有一个包含10列的时间序列数据帧(x1，x2..x10)，我想创建5个图:第一个图显示x1和x2，第二个图显示x3和x4，依此类推。
任何绘图方法都是有用的(zoo、ggplot2、ggplot2)。
我在创建循环来绘制单个变量时遇到了麻烦：
set.seed(1)
x<- data.frame(replicate(10,rnorm(10, mean = 0, sd = 1)))
cols <- seq(1,10)
library(zoo)
z <- read.zoo(x)
for (i in cols) {
pl
浏览 3提问于2014-01-31得票数 0
我正在尝试使用ggplot2来再现线性回归模型的诊断图。我得到的平滑线不同于使用基图或ggplot2 2：：autoplot获得的平滑线。
library(survival)
library(ggplot2)
model <- lm(wt.loss ~ meal.cal, data=lung)
## Fitted vs. residuals using base plot:
plot(model, which=1)
## Fitted vs. residuals using ggplot
model.frame <- fortify(model)
ggplot(model.fram
浏览 0提问于2019-01-07得票数 0
回答已采纳
我正在尝试使用ggplot绘制线条和条形图，但是我得到了错误" error : ggplot2不知道如何处理未求值类的数据“
require(ggplot2)
df.1 <- data.frame(x = c(1:5), y = rnorm(5))
df.2 <- data.frame(x = c(1:10), y = runif(10))
p <- ggplot(df.1, aes(x=x, y=y)) +
geom_bar(stat = "identity") +
geom_line(df.2, aes(x=x, y=y
浏览 1提问于2014-01-22得票数 1
回答已采纳
4回答
我尝试自定义效果包中的多行图形。
在下面的例子中，是否有图例位于绘图区域内而不是在图形之上？
或者:有人知道如何用ggplot2绘制由效果包计算的多行回归的结果吗？
我很感谢你的帮助。
安迪
示例：
library(effects)
data(Prestige)
mod5 <- lm(prestige ~ income*type + education, data=Prestige)
eff_cf <- effect("income*type", mod5)
print(plot(eff_cf, multiline=TRUE))
浏览 7提问于2013-07-15得票数 4
我有一个使用ggplot2创建的图，如所示。
Y轴(覆盖率)不能小于0。然而，因为我画了下面的曲线，所以我得到了这个负值。是否可以在ggplot2中删除负片标签？或者，有没有可能在1层中得到y轴的红色框，然后将曲线绘制为没有标签的第2层？
谢谢!
浏览 2提问于2012-03-02得票数 1
回答已采纳
我想用ggplot2 of GeneX表达式(y轴)对Order (x轴)绘制一幅图，用一条与组颜色(分类)相匹配的回归线来表示每个顺序的值。也就是说，它将有多个颜色与与订单编号相对应的组相匹配。
我有一个带有GeneX表达式的数据集，每个唯一条目都附加了一个唯一的序号(1到5456)。每个条目只有一个序号从1:5456开始，每个订单编号只对应于6个组中的一个。下面显示了一个100个条目示例
一幅散点图，上面有6个“群”中的一个点，这些“群”是不同的血管(动脉、静脉等)。如下所示(代码)：
library(ggplot2)
ggplot(data = test.data,
浏览 7提问于2022-09-20得票数 1
2回答
我试图用不包括负值的ggplot2 geom_smooth绘制带有标准误差(se)的线性回归图。不幸的是，使用scale_y_continuous会截断部分标准错误填充。如何才能使se填充区域顺利地在y=0结束？
参见示例(它使用y=10而不是y=0，但进程相同)：
ymax<-max(mtcars$mpg)
myplot<- ggplot(data=mtcars, aes(x=wt, y=mpg)) +
geom_smooth(method=lm, se=TRUE,fill = "#3399FF", colour="#0000FF",siz
浏览 3提问于2014-11-17得票数 2
回答已采纳
我试图(i)形象化一个多元线性回归(>3个自变量)和(ii)为我的线性回归线绘制一个标准差走廊，但我不知道如何做到这一点。具体来说，我想画出这行+- SD。以虹膜为例：
lm1 <- lm(iris$Sepal.Length ~ iris$Sepal.Width + iris$Petal.Width + iris$Species+ iris$Petal.Width)
summary(lm1)
library(car)
avPlots(lm1, intercept = TRUE)
library(ggplot2)
ggplot(iris, aes(x = iris$Sepal.
浏览 2提问于2021-09-21得票数 1
回答已采纳
1回答
我正在试图从我的回归估计中的隐含函数在ggg图中的相同的图形上绘制。在下面的例子中，我创建了一个简单的线性函数，其中c和b是存储在早期回归中的系数估计。然后，我尝试按组绘制范围为0、50的函数(最好也使用选项: colour =group)。
library(ggplot2)
groups = c("a", "b", "c")
c = c(5, 4, 3)
b = c(-0.01, -0.002, -0.001)
x = c(0, 0, 0)
df <- data.frame(cbind(c, b, x))
grad_fun <-
浏览 5提问于2017-06-01得票数 0
回答已采纳
我有一个包含连续预测器和一个二分响应变量的data.frame。
> head(df)
position response
1 0 1
2 3 1
3 -4 0
4 -1 0
5 -2 1
6 0 0
我可以通过glm()-function轻松地计算逻辑回归，到目前为止没有任何问题。
接下来，我想用ggplot**，创建一个包含所有11个预测值()和拟合回归线**的经验概率的图。
我继续用cast()计算概率，并将它们保存在
浏览 3提问于2013-06-09得票数 20
回答已采纳
1回答
我想从H2O中的深分位数回归模型中绘制一个损失与时间图。我正在使用H2ODeepLearningEstimator，但似乎找不到像Keras那样的方法来恢复损失。
谁能帮我指出正确的方向吗？
浏览 5提问于2022-04-07得票数 0
回答已采纳
我们可以使用survminer来绘制生存函数或累积风险函数，但是我看不到使用它来绘制风险函数的方法。
例如,
library(survival)
library(tidyverse)
library(survminer)
data(lung)
# Run Kaplan-Meier on the data
mod.lung <- survfit(Surv(time, status) ~ 1, data = lung)
# Kaplan-Meier Survival Curve
ggsurvplot(mod.lung)
# Cumulative Hazard
ggsurvplot(m
浏览 1提问于2019-06-11得票数 4
2回答
我对Area值进行了分组，我可以对每个值进行计算和绘制回归图：
set.seed(123)
df <- data.frame(
Group = c(rep("A",8), rep("B",10), rep("C",7)),
Area = c(1,3,2,4,3,5,7,9, rnorm(10), sample(7)),
x = c(1:8,1:10,1:7)
)
library(ggplot2)
ggplot(df,
aes(x = x, y = Area, group = factor(Group))) +
浏览 2提问于2022-06-29得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
