在多项式曲线上添加更多点
Adding more points on a polynomial curve
我正在尝试绘制多项式的曲线,但是点数太少以至于曲线在某些地方看起来很直。我怎样才能测试多项式上的更多点,以便得到更好的曲线?下面的图片说明了问题,代码试图解决问题。
library('MonoPoly') # monotonic polynomials
dataT = read.csv("data.csv", header=TRUE, sep=",")
x <- dataT[,'x']
y <- dataT[,'y']
fitResult <- monpol(y~x, degree=3,algorithm="Hawkins")
fitted <- fitted(fitResult) # not enough data points. Only 120
z = predict(fitResult, seq(1, 5, 0.01)) # attempt at making more data points
plot(1:5, 1:5, type = "n")# setting up coord system
points(x,y,col="red") # plotting data fitting to
lines(sort(x), sort(fitted),col="blue") #plotting fitted because z isn't working
points(x,z,col="blue") # plotting curve
你没有给出一个可重现的例子,但一般来说,对这类问题的回答是,R 中的大多数 predict()
方法都有一个 newdata
参数,允许使用附加点进行预测.
library('MonoPoly') # monotonic polynomials
设置数据:
set.seed(101)
dd <- data.frame(x=c(1,2,10:20))
dd$y <- with(dd,rnorm(13,2+3*x-0.2*x^2,sd=0.4))
一般来说,如果 R 中的拟合函数提供 data
参数,最好利用它。
fitResult <- monpol(y~x, degree=3,algorithm="Hawkins",data=dd)
构建预测数据框并用新数据进行预测:
pframe <- with(dd,data.frame(x=seq(min(x),max(x),length.out=101)))
pframe$y <- predict(fitResult, newdata=pframe)
绘图结果:
par(bty="l",las=1) ## cosmetic
plot(y~x,data=dd,col="red")
lines(dd$x, fitted(fitResult),col="blue",type="b",cex=2)
with(pframe, points(x,y,col="purple",cex=0.5))
我正在尝试绘制多项式的曲线,但是点数太少以至于曲线在某些地方看起来很直。我怎样才能测试多项式上的更多点,以便得到更好的曲线?下面的图片说明了问题,代码试图解决问题。
library('MonoPoly') # monotonic polynomials
dataT = read.csv("data.csv", header=TRUE, sep=",")
x <- dataT[,'x']
y <- dataT[,'y']
fitResult <- monpol(y~x, degree=3,algorithm="Hawkins")
fitted <- fitted(fitResult) # not enough data points. Only 120
z = predict(fitResult, seq(1, 5, 0.01)) # attempt at making more data points
plot(1:5, 1:5, type = "n")# setting up coord system
points(x,y,col="red") # plotting data fitting to
lines(sort(x), sort(fitted),col="blue") #plotting fitted because z isn't working
points(x,z,col="blue") # plotting curve
你没有给出一个可重现的例子,但一般来说,对这类问题的回答是,R 中的大多数 predict()
方法都有一个 newdata
参数,允许使用附加点进行预测.
library('MonoPoly') # monotonic polynomials
设置数据:
set.seed(101)
dd <- data.frame(x=c(1,2,10:20))
dd$y <- with(dd,rnorm(13,2+3*x-0.2*x^2,sd=0.4))
一般来说,如果 R 中的拟合函数提供 data
参数,最好利用它。
fitResult <- monpol(y~x, degree=3,algorithm="Hawkins",data=dd)
构建预测数据框并用新数据进行预测:
pframe <- with(dd,data.frame(x=seq(min(x),max(x),length.out=101)))
pframe$y <- predict(fitResult, newdata=pframe)
绘图结果:
par(bty="l",las=1) ## cosmetic
plot(y~x,data=dd,col="red")
lines(dd$x, fitted(fitResult),col="blue",type="b",cex=2)
with(pframe, points(x,y,col="purple",cex=0.5))