r - stat_smooth的smooth.Pspline包装器(在ggplot2中)

抱歉，如果这个问题无关紧要，但我试图弄清楚如何在R中绘制某种类型的自然三次样条（NCS），这完全使我难以理解。

在previous question中，我学习了如何在ggplot中绘制由ns（）命令生成的NCS，但是我对如何在pspline包中绘制一个稍有不同的NCS生成的smooth.Pspline命令感兴趣。据我所知，这是唯一为给定数据集按CV自动选择适当的平滑代价的软件包。

理想情况下，我能够提供sgp.pspline作为ggplot2中stat_smooth层的方法。我当前的代码是这样的：

plot <- ggplot(data_plot, aes(x=age, y=wOBA, color=playerID, group=playerID))
plot <- plot + stat_smooth(method = lm, formula = y~ns(x,4),se=FALSE)

我想用smooth.Pspline的功能替换“ lm”公式。我做了一些谷歌搜索，发现了一个非常相似的由Hadley编写的B样条函数smooth.spline的solution。但是我无法完美地适应这一问题。有任何人对此有经验吗？

非常感谢！

最佳答案

您只需要检查predict.smooth.Pspline如何返回预测值。

在stat_smooth的内部工作方式中，调用predictdf创建平滑线。 predictdf是ggplot2的内部（非导出）功能（定义为here），它是标准的S3方法。

sm.spline返回类smooth.Pspline的对象，因此，要使stat_smooth工作，您需要为类predictdf的smooth.Pspline创建方法。

因此，以下将起作用。

smP <- function(formula,data,...){
  M <- model.frame(formula, data)
  sm.spline(x =M[,2],y =M[,1])

}
# an s3 method for predictdf (called within stat_smooth)
predictdf.smooth.Pspline <- function(model, xseq, se, level) {
  pred <- predict(model, xseq)
  data.frame(x = xseq, y = c(pred))
}

一个示例（使用mgcv::gam作为比较拟合的pspline）。 mgcv很棒，并且在拟合方法和平滑样条曲线选择方面提供了极大的灵活性（尽管不是CV，只有GCV / UBRE / REML / ML）

d <- ggplot(mtcars, aes(qsec, wt))
d + geom_point() +  stat_smooth(method = smP, se= FALSE, colour='red', formula = y~x) +
stat_smooth(method = 'gam', colour = 'blue', formula = y~s(x,bs='ps'))