R语言线性建模中预测曲线呈现折线而非直线的问题咨询

嗨，我来帮你分析一下这个问题～

你遇到的折线问题，核心原因其实很简单：你的测试集数据里的YearsExperience不是按从小到大的顺序排列的，而geom_line()默认是按照数据框里的行顺序来连接点的，不是按照x轴的数值顺序，所以就会出现这种“绕来绕去”的折线，而不是我们预期的直线。

咱们一步步拆解问题：

• 你用sample()随机拆分训练集和测试集，这会导致测试集里的YearsExperience是打乱顺序的，不是递增状态。
• 当你调用geom_line()时，ggplot会严格按照test数据框的行顺序，依次连接每个预测点，而不是按x轴从左到右的逻辑来连接，最终就形成了看起来杂乱的折线。

这里给你两个简单的解决方法：

方法一：先对测试集按YearsExperience排序再绘图 #

先把测试集的YearsExperience按升序排列，再用排序后的数据集绘图，这样连接出来的就是直线了：

# 对测试集按YearsExperience升序排序
test_sorted <- test %>% arrange(YearsExperience)

# 使用排序后的数据集绘图
ggplot() +
  geom_point(aes(x = test_sorted$YearsExperience, y = test_sorted$Salary),
             colour = 'red') +
  geom_line(aes(x = test_sorted$YearsExperience, y = predict.lm(model_train, test_sorted)),
             colour = 'blue') +
  ggtitle('Salary vs Experience (Test set)') +
  xlab('Years of experience') +
  ylab('Salary')

方法二：生成连续序列后再预测绘图（更推荐） #

更规范的做法是先生成覆盖测试集YearsExperience范围的连续序列，用模型预测这个序列的结果，再绘图，这样不管原数据顺序如何，都能得到完美的直线：

# 生成覆盖测试集YearsExperience范围的连续序列
exp_seq <- seq(min(test$YearsExperience), max(test$YearsExperience), length.out = 100)
# 构造用于预测的数据框
pred_data <- data.frame(YearsExperience = exp_seq)
# 得到预测值
pred_values <- predict(model_train, newdata = pred_data)

# 绘图
ggplot() +
  geom_point(aes(x = test$YearsExperience, y = test$Salary), colour = 'red') +
  geom_line(aes(x = exp_seq, y = pred_values), colour = 'blue') +
  ggtitle('Salary vs Experience (Test set)') +
  xlab('Years of experience') +
  ylab('Salary')

另外还有个小细节提醒：你当前的模型是lm(YearsExperience~Salary)，也就是用薪资预测工作年限，这和我们通常“用工作年限预测薪资”的逻辑反过来了，如果你的需求是预测薪资，记得把模型改成lm(Salary~YearsExperience, data=train)哦～

备注：内容来源于stack exchange，提问作者mig001