如果我有一些(x,y)数据，我可以轻松地通过它们绘制一条直线，例如：
这个问题随着我打字和研究而发展。我最初想要一个简单的函数来拟合曲线数据（对于这些数据我一无所知），并想了解如何使用
供参考，以下是我使用的模拟数据，
f=glm(y~x)
plot(x,y)
lines(x,f$fitted.values)
但对于曲线数据，我需要一条曲线。看起来可以使用loess()：
f=loess(y~x)
plot(x,y)
lines(x,f$fitted)
这个问题随着我打字和研究而发展。我最初想要一个简单的函数来拟合曲线数据（对于这些数据我一无所知），并想了解如何使用
nls() 或 optim() 来实现。这是我在类似的问题中发现的所有人都在建议的。但现在我偶然发现了loess()，我很高兴。那么，现在我的问题是：为什么有人选择使用nls或optim而不是loess（或smooth.spline）？使用工具箱比喻，nls是螺丝刀，而loess是电动螺丝刀（这意味着我几乎总是选择后者，因为它可以用更少的努力完成相同的工作）？还是nls是一字螺丝刀，loess是十字螺丝刀（这意味着对于一些问题，loess是更好的选择，但对于其他问题，它根本不能胜任）？供参考，以下是我使用的模拟数据，
loess 对其给出满意的结果:x=1:40
y=(sin(x/5)*3)+runif(x)
而且：
x=1:40
y=exp(jitter(x,factor=30)^0.5)
不幸的是，它在这方面表现不佳：
x=1:400
y=(sin(x/20)*3)+runif(x)
nls() 或任何其他函数或库，能否应对这个和之前的 exp 示例，而不需要提示（即没有告诉它这是一个正弦波形）？
更新：stackoverflow 上有一些有用的关于同一主题的页面：
smooth.spline“开箱即用”在我的第1个和第3个示例中效果很好，但在第2个示例中效果很差（只是连接了点）。然而 f=smooth.spline(x,y,spar=0.5) 在这三个示例中都表现良好。
更新#2：gam() （来自 mgcv 包）目前很棒：当 loess() 更好时，它给出类似的结果；当 smooth.spline() 更好时，它也给出类似的结果。而且所有这些都不需要提示或额外的参数。文档让我感觉像是仰望飞过头顶的飞机；但是经过一些试错，我发现：
#f=gam(y~x) #Works just like glm(). I.e. pointless
f=gam(y~s(x)) #This is what you want
plot(x,y)
lines(x,f$fitted)
loess有span和degree参数吗？而且它们会影响到拟合的模型。尝试在你最后一个例子数据中使用span = 0.1。 - joran