时间戳

首页 > 解决方案 > 是否有用于从“beta + beta*t”之类的字符串创建公式的 R 函数？

r - 是否有用于从“beta + beta*t”之类的字符串创建公式的 R 函数？

问题描述

我正在运行交叉验证算法，以找到适合每天变化的数据的最佳多项式。我想找到一种简单的方法来在简单的图中显示拟合，而不必每次都手动编写整个回归公式和绘图的 beta 系数。对于回归公式，求解很简单，我使用 sprintf 创建一个字符串，并在字符串上使用 as.formula()。

问题是绘制线。我以相同的方式创建了一个字符串，但 as.formula() 函数似乎只适用于回归公式，而不适用于“beta + beta*t”形式的公式。我也尝试过使用 eval(parse()) ，如下所示，但这只会创建一个 NA 向量。

#Create strings
poly_form = "y ~ t"
beta_form = "beta[1]"
for (i in 1:pmin) {  #pmin is the best polynomial fit, e.g. 4 or 9.
           poly_form <- sprintf("%s + I(t^%s)", poly_form, i)
           beta_form <- sprintf("%s + beta[%s]*t^%s",beta_form, i+1, i)
            }

#Regression
poly.mod = lm(as.formula(poly_form))
beta = coef(poly.mod)

#Plot
plot(t, y, type = 'h')
lines(t, eval(parse(text = beta_form))) #This doesn't work.

所以本质上，我如何使用我创建的字符串作为lines函数的输入的一部分，以自动产生与此相同的输出：

lines(t, beta2[1] + beta2[2]*t + beta2[3]*t^2 + beta2[4]*t^3 + beta2[5]*t^4 + beta2[6]*t^5 + beta2[7]*t^6)

标签： rfunctionplotline

解决方案

这不是你这样做的方式。

首先，使用poly功能。其次，使用predict.

set.seed(42)
y <- rnorm(10)
t <- 1:10

DF <- data.frame(y, t) #important!

pmin <- 3

poly.mod <- lm(y ~ poly(t, degree = pmin, raw = TRUE), data = DF)

plot(t, y, type = 'h')
curve(predict(poly.mod, newdata = data.frame(t = x)), add = TRUE)

结果图

curve计算传递给其第一个参数的表达式。x表示图的 x 值。它总是必须的x！

推荐阅读