Как построить кривую полиномиальной регрессии в r

Полиномиальная регрессия — это метод регрессии, который мы используем, когда связь между переменной-предиктором и переменной ответа является нелинейной.

В этом руководстве объясняется, как построить кривую полиномиальной регрессии в R.

Связанный: 7 наиболее распространенных типов регрессии

Пример: построение кривой полиномиальной регрессии в R

Следующий код показывает, как подогнать модель полиномиальной регрессии к набору данных, а затем построить кривую полиномиальной регрессии на необработанных данных на диаграмме рассеяния:

 #define data
x <- runif(50, 5, 15)
y <- 0.1*x^3 - 0.5 * x^2 - x + 5 + rnorm(length(x),0,10) 
 
#plot x vs. y
plot(x, y, pch= 16 , cex= 1.5 ) 
 
#fit polynomial regression model
fit <- lm(y ~ x + I(x^2) + I(x^3))
 
#use model to get predicted values
pred <- predict(fit)
ix <- sort(x, index. return = T )$ix

#add polynomial curve to plot
lines(x[ix], pred[ix], col=' red ', lwd= 2 )

Мы также можем добавить уравнение полиномиальной регрессии на график, используя функцию text() :

 #define data
x <- runif(50, 5, 15)
y <- 0.1*x^3 - 0.5 * x^2 - x + 5 + rnorm(length(x),0,10) 
 
#plot x vs. y
plot(x, y, pch=16, cex=1.5) 
 
#fit polynomial regression model
fit <- lm(y ~ x + I(x^2) + I(x^3))
 
#use model to get predicted values
pred <- predict(fit)
ix <- sort(x, index. return = T )$ix

#add polynomial curve to plot
lines(x[ix], pred[ix], col=' red ', lwd= 2 )

#get model coefficients
coeff <- round(fit$coefficients, 2)

#add fitted model equation to plot
text(9, 200 , paste("Model: ", coeff[1], " + ", coeff[2],
                    "*x", "+", coeff[3], "*x^2", "+", coeff[4], "*x^3"), cex= 1.3 )

Обратите внимание, что аргумент cex управляет размером шрифта текста. По умолчанию установлено значение 1, поэтому мы решили использовать значение 1,3 , чтобы текст было легче читать.

Дополнительные ресурсы

Введение в полиномиальную регрессию
Как подогнать полиномиальную кривую в Excel
Как выполнить полиномиальную регрессию в Python