如何在R中通过3D数据绘制曲面拟合？

Question

如何在R中通过3D数据绘制曲面拟合？

3

我有一个3D散点图，呈现如下：

由于3D数据集非常大，所以我无法在此处包含它。您可以尝试使用标准数据集，如mtcars或iris来回答这个问题。

我的尝试绘制这个3D散点图：

x <- rbind(A_0,A_1,A_2,A_3) 
fig1 <- x %>% plot_ly(x= ~x,y=~y,z = ~z, color= ~key,type="scatter3d", size = 0.5)
fig1

A_0, A_1, A_2, A_3 是不同的 3*n 数据框（dataframes），它们通过使用rbind组合在一起，并使用每个数据框（dataframe）中包含的键进行区分。

我尝试了各种方法来适应这个表面，比如使用add_surface()、add_trace()和将类型更改为'mesh3D'等。

但是，在散点数据上拟合的表面并不是我想要的平滑表面拟合。我得到的错误消息是：z is not a numeric matrix.

有没有更好的方法来拟合这个表面? 我错过了什么吗？

P.S. 我更喜欢使用ggplot()、plot_ly()、ggplotly()来渲染图表。

- kolas0202

我已经发布了一个类似的问题： https://stackoverflow.com/questions/76372502/problem-in-plotting-gam-model-surface-fit-through-plotly-in-r - Rui Miranda

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- DaveArmstrong · Accepted Answer

你可以先使用类似于gam()的方法来进行模型拟合，然后绘制预测结果图。首先，我们可以将GAM拟合到数据上。在本例中，hp和wt是两个独立变量（即上图中的x和y轴）。而qsec是绘制在z轴上的变量，也是模型中的因变量。

data(mtcars)
library(mgcv)
mod <- gam(qsec ~ te(hp) + te(wt) + ti(hp, wt), data=mtcars)

接下来，我们需要对模型在不同的hp和wt组合上进行一些预测。最简单的方法是为每个变量制作一个序列，从它们的最小值到最大值。以下命令就是这样做的，它将制作一个由25个均匀间隔的值组成的序列，从每个自变量的最小值到最大值。

hp.seq <- seq(min(mtcars$hp, na.rm=TRUE), max(mtcars$hp, na.rm=TRUE), length=25)
wt.seq <- seq(min(mtcars$wt, na.rm=TRUE), max(mtcars$wt, na.rm=TRUE), length=25)

接下来，我们可以创建一个生成预测的函数。由于我们将在下面使用outer()，所以函数应该有两个输入，x和y。我们要传递的x-y对是用于预测的hp和wt的值。该函数创建一个数据帧，其中包含一个观察值和两个变量-hp和wt。它使用该新数据帧使用predict()函数从模型生成单个预测。

predfun <- function(x,y){
  newdat <- data.frame(hp = x, wt=y)
  predict(mod, newdata=newdat)
}

接下来，我们将该预测函数应用于我们之前生成的数据序列。我们使用 outer() 函数对每个 hp.seq 和 wt.seq 组合进行外积运算，生成一个 25x25 的预测值矩阵。将 predfun 包装在 Vectorize() 中可防止出现替换长度问题的错误。

fit <- outer(hp.seq, wt.seq, Vectorize(predfun))

最后，我们可以在 plot_ly 中将所有内容组合在一起。我们使用 add_marker() 添加点，并使用 add_surface 添加预测。

plot_ly() %>% 
  add_markers(x = ~mtcars$hp, y=mtcars$wt, z=mtcars$qsec) %>% 
  add_surface(x = ~hp.seq, y = ~wt.seq, z = t(fit))