You need to enable JavaScript to run this app. 如何为ggplot绘制的mtcars分面散点图选择最优回归模型拟合方案
优惠活动
大模型
产品
解决方案
定价
更多

如何为ggplot绘制的mtcars分面散点图选择最优回归模型拟合方案

适配需求的R包及使用方案

核心可用工具

  • modelbased + performance(easystats生态,与现有ggplot代码适配度最高)
    • 内置自动对比逻辑:可对线性、1~3阶多项式、平滑样条、基础贝叶斯回归等候选类型做AIC/BIC/LOOIC性能校验,自动选出拟合最优的回归模型,支持按分组批量计算,完全匹配按cyl分面的场景。
    • 安装命令:install.packages(c("modelbased", "performance"))
    • 适配现有绘图代码的修改:修正原有坐标轴对应关系(符合disp ~ drat的公式定义,即x轴为预测变量drat,y轴为响应变量disp),新增自动拟合图层即可:
    library(ggplot2)
    library(modelbased)
    
    ggplot(mtcars, aes(drat, disp)) +
      geom_point() +
      geom_relation() + # 自动为每个分面选择最优回归类型并生成拟合线
      facet_wrap(~cyl)
    
    • 若需输出每个分组的最优回归类型、参数、拟合优度,可运行批量计算代码:
    library(dplyr)
    library(performance)
    library(mgcv)
    
    mtcars %>%
      group_by(cyl) %>%
      group_modify(~{
        # 定义候选回归集合
        candidate_mods = list(
          linear = lm(disp ~ drat, data = .x),
          poly2 = lm(disp ~ poly(drat, 2), data = .x),
          poly3 = lm(disp ~ poly(drat, 3), data = .x),
          gam_smooth = gam(disp ~ s(drat), data = .x)
        )
        # 按AIC排序选最优模型
        compare_performance(!!!candidate_mods) %>%
          arrange(AIC) %>%
          slice(1)
      })
    
  • tidymodels生态(适合需要自定义候选模型的场景)
    • 可通过workflowsets自定义候选回归集合(含稳健回归、贝叶斯回归、正则化回归等),通过交叉验证自动选出泛化误差最小的模型,支持批量分组拟合。
  • brms(适配贝叶斯回归自动选优需求)
    • 支持通过后验模型权重、LOOIC自动对比不同贝叶斯回归形式的拟合效果,可输出完整的概率推断结果,适合需要对回归结论做不确定性量化的场景。

注意事项

  • 原有代码的aes(disp, drat)对应拟合关系为drat ~ disp,若需严格匹配disp ~ drat的公式定义,需调整aes参数顺序为aes(drat, disp)。
  • 自动选优默认以AIC为判断指标,若需侧重泛化能力,可切换为BIC、交叉验证误差等规则调整选优逻辑。

内容的提问来源于stack exchange,提问作者Tiptop

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.16 06:36:09