R. ggplot2。stat_smoothメソッドから滑らかな曲線を再現する

Question

ggplot2パッケージのstat_smoothからスムーズな関数を推定するために使用される手順を再作成しようとしています。例を取ります：

library(ggplot2)

n <- 100
X <- runif(n)*8
Y <- sin(3*X) + cos(X^2) + rnorm(n, 0, 0.5)

myData <- as.data.frame(cbind(X, Y))

p <- ggplot(myData, aes(y=Y, x=X)) + 
     stat_smooth(se = FALSE, size = 2) +
     geom_point(size = 1)
p
geom_smooth: method="auto" and size of largest group is <1000, so using loess. Use 'method = x' to change the smoothing method.

.

滑らかな回線は実際にはデータに合わないが、関係ありません。それでは、同じグラフを最初から再作成することができます。 http://www.inside-r.org/r-doc/統計/ Loess 三文字の重み付けカーネルと多項式を使用する必要があります（デフォルト）。私はこれを見つけました http：// www。 maths.manchester.ac.uk/~peterf/math38011/NPR%20Local%20Linear%20ESTIMATOR.PDF 滑らかな黄座関数の推定方法を説明した記事。このメソッドを再作成して、データに使用しようとします。

Dfct <- function(t){
  if (abs(t) <= 1)
  ((1-abs(t)^3)^3) else
  0
  }

K_h <- function(x_0, x){
  f_hat <- NULL
  Dfct(abs(x - x_0)/h)
  }

m_hat_loess <- function(X, Y){
  e_1 <- c(1, 0, 0)
  m_hat <- NULL

  for(i in 1:length(X)){
  K_h_vector <- NULL

  for(j in 1:length(X)){
    K_h_vector <- c(K_h_vector, K_h(X[i], X[j]))
    }

  X_0 <- cbind(rep(1, length(X)), (X - X[i]), (X - X[i])^2)
  W <- diag(K_h_vector)

  m_hat <- c(m_hat,
  t(e_1)%*% solve(t(X_0)%*%W%*%X_0) %*% (t(X_0)%*%W%*%Y)
  )
}
m_hat
}

.

パラメータ h に使用すべきことがわからないが、メートル幅を備えたTRI-Cubeカーネルのために " H が半径です。支持地域の。」したがって最初に試してみることは次のとおりです。

h <- (max(X)-min(X))/2
Y_hat <- m_hat_loess(X, Y)

tempData <- as.data.frame(cbind(X, Y_hat))
ggplot(tempData , aes(x=X, y=Y_hat)) +
  geom_line(size = 2)

.

これは明らかに同じ機能ではありません。私は h のさまざまな値を使用していましたが、同じ曲線を再現できませんでした。これは私が他の場所に間違いをしたと信じています。

Answer 1

stat_smooth(...)パッケージのggplot関数は、ここで説明するように、一般的にデータ（潜在的にサブセットされた）をloess(...)関数に渡します。

library(ggplot2)
set.seed(1)
n <- 100
X <- runif(n)*8
Y <- sin(3*X) + cos(X^2) + rnorm(n, 0, 0.5)

myData <- data.frame(X,Y)
fit <- loess(Y~X,data=myData)
myData$pred <- predict(fit)

ggplot(myData, aes(X,Y))+
  geom_point()+
  stat_smooth(se=F, size=3)+
  geom_line(aes(X,pred),colour="yellow")

.

ドキュメントloess(...)は、計算方法、特にこちら