2016-06-25 3 views
-2

Я использую язык R для вычисления статистических данных с помощью веб-приложения MVC.Вычислить точки геометрии без диаграммы

Я использую его для создания корреляционной диаграммы рассеяния с сглаживающей линией.

Моя проблема в том, что мне нужны только значения точек данных (я конвертирую данные в json и используя json для создания диаграммы в своем веб-приложении с использованием библиотеки диаграмм javascript).

Итак, если я использую функцию ggplot с geom_smooth, тогда она отображает графическое окно при отладке приложения.

Мне нужны только расчетные значения для оси X и Y.

Можно ли вычислить только координаты X и Y для отображения плавной линии в графике?

+3

Вы Rly не хотите рассматривать R как магический статистики поле. Тот факт, что вы не знаете, какие статистические преобразования используют «geom_smooth()», означает, что вы даже не знаете, подходит ли то, что он делает, для ваших данных. Страница man для 'geom_smooth' сообщает вам, какие функции статистики он вызывает в разных условиях набора данных, но вы должны читать немного больше статистики, а также статистику R R, прежде чем использовать волшебные пары данных в любом контексте. – hrbrmstr

+0

Да, я не знаю, очевидно, поэтому я попросил помочь объяснить, и об этом и говорит. –

+1

Нет. Это не тот вопрос, который у него есть. Ваш вопрос: «Как получить магические очки, созданные магической функцией?». Поскольку вы только хотите, чтобы магические точки просто смотрели на помощь для geom_smooth. Он сообщает вам _exactly_ какую функцию он использует. Или используйте 'ggplot_build()' и изучите результирующие структуры данных. Однако ни результаты не улучшат правдивость ваших результатов, поскольку они могут даже не быть подходящей моделью для данных, которые вы вводите. – hrbrmstr

ответ

2

В принципе, функция geom_smooth добавит линию регрессии к вашему сюжету. Если вам нужны только X и Y, возвращаемые методом регрессии, вы можете использовать любую функцию регрессии для вычисления модели для вас, а затем прогнозировать на основе исходного значения X.

Например, предположим, что лесс является выбранная функция регрессии:

df.loess <- loess(Y ~ X, df) 
points <- data.frame(Y = predict(df.loess, df$X), X = df$X) 
Смежные вопросы