如何在ggplot中添加线性判别分析(LDA)线并显示其方程？

假设你已经完成了数据创建、基础ggplot绘制和LDA拟合，以下是添加LDA 0值决策线的具体步骤：

1. 提取LDA关键参数 #

从MASS::lda()的拟合结果里，取LD1的判别系数，以及D、H的总体均值（LDA计算得分时会对变量做中心化处理）：

library(MASS)
lda_fit <- lda(Group ~ D + H, data = df)

# 提取LD1的系数
lda_coef <- lda_fit$scaling[, "LD1"]
coef_D <- lda_coef["D"]
coef_H <- lda_coef["H"]

# 计算D和H的总体均值
mean_vals <- colMeans(df[, c("D", "H")])

2. 定义决策线函数 #

LDA的0值决策边界对应LD1得分等于0的情况，解这个方程得到H关于D的表达式，写成函数：

lda_decision_line <- function(D) {
  (-coef_D * (D - mean_vals["D"]) / coef_H) + mean_vals["H"]
}

3. 把决策线加到ggplot里 #

用geom_function()直接绘制这个函数到你的基础散点图上：

library(ggplot2)

# 你的基础图（示例）
p <- ggplot(df, aes(x = D, y = H, color = Group)) +
  geom_point()

# 添加LDA决策线，样式可自定义
p + geom_function(fun = lda_decision_line, color = "black", linetype = "dashed", linewidth = 1)

可选验证 #

如果要确认这条线的正确性，可以生成决策线上的点，用predict()计算LD1得分，结果应该接近0：

# 生成测试点
test_points <- data.frame(D = seq(min(df$D), max(df$D), length.out = 5))
test_points$H <- lda_decision_line(test_points$D)

# 查看LD1得分
test_scores <- predict(lda_fit, newdata = test_points)$x
print(test_scores)

内容的提问来源于stack exchange，提问作者Zard22