我已经绘制了二维直方图，可以通过线条，点等将其添加到绘图中。
现在，我试图在稠密点的区域应用线性回归拟合，但是我的线性回归线似乎完全偏离了应该在的位置？
为了证明这一点，我在左边的图表中同时显示了最低的回归拟合和线性拟合。
lines(lowess(na.omit(a),na.omit(b),iter=10),col='gray',lwd=3)
abline(lm(b[cc]~a[cc]),lwd=3)
这里a和b是我的值，cc是最密集部分(即大多数点位于此处)内的点，即红色+黄色+蓝色。
为什么我的回归线看起来不像右边那样(手绘拟合)？
如果我要绘制一条最合适的线，那会在那儿吗？
我有许多类似的图，但仍然得到相同的结果。
有没有其他的线性回归拟合可以证明对我更好？
最佳答案
线性回归是一种将线性函数拟合到一组点(观测值)，以最小化最小二乘误差的方法。
现在，假设您的热图指示了一个形状，您将在其中假设一条最适合的垂直线。只需将您的热图逆时针旋转10度即可。
现在应该如何定义一个垂直的线性函数？确实，这是不可能的。
这个小小的思想实验的结果是，您混淆了线性回归的目的和最有可能想要的是-正如Gavin Simpson-the 1st principal component vector已经指出的那样。
关于r - 为什么我的线性回归拟合线看起来不对？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/22272715/