更好的方法是在 R 中的 curve() 绘图中调用非线性回归模型？
Better way call a non-linear regression model in curve() drawings in R?
我一直在学习如何在 R 中绘制图形和曲线，并使用 plot() 和 curve() 函数处理一组数据来绘制数据和曲线。但是，我不认为我使用的是最有效的方法。
我所做的是从 data.frame 设置 2 个向量，然后我将一个对象（称为 o）分配给 nls() 函数，例如 o<-nls(y~I(a*x^3)+I(b*x^2)+I(c*x)+d).通过调用 o，我可以获得 o（a、b、c、d）的所有系数值。然后我可以在绘制点后将这些值的近似值插入 curve() 函数。这行得通，但我想知道是否有任何方法可以将 o 直接插入 curve 函数，这样我就不必重新输入每个系数？
请注意，您的函数是多项式，因此其系数是线性的。不管怎样，它对 nls 和 lm 的作用是一样的。指定适合的data.frame：
o <- lm(y ~ poly(x, 3, raw = TRUE), data = DF)
plot(y ~ x, data = DF)
curve(predict(o, newdata = data.frame(x = x)), add = TRUE)
我一直在学习如何在 R 中绘制图形和曲线，并使用 plot() 和 curve() 函数处理一组数据来绘制数据和曲线。但是，我不认为我使用的是最有效的方法。
我所做的是从 data.frame 设置 2 个向量，然后我将一个对象（称为 o）分配给 nls() 函数，例如 o<-nls(y~I(a*x^3)+I(b*x^2)+I(c*x)+d).通过调用 o，我可以获得 o（a、b、c、d）的所有系数值。然后我可以在绘制点后将这些值的近似值插入 curve() 函数。这行得通，但我想知道是否有任何方法可以将 o 直接插入 curve 函数，这样我就不必重新输入每个系数？
请注意，您的函数是多项式，因此其系数是线性的。不管怎样，它对 nls 和 lm 的作用是一样的。指定适合的data.frame：
o <- lm(y ~ poly(x, 3, raw = TRUE), data = DF)
plot(y ~ x, data = DF)
curve(predict(o, newdata = data.frame(x = x)), add = TRUE)