R语言学习传记(二)
cor(x, y = NULL, use = "everything",
method = c("pearson", "kendall", "spearman"))
stat_smooth(mapping = NULL, data = NULL, geom = "smooth",
position = "identity", ..., method = "auto", formula = y ~ x,
se = TRUE, n = 80, span = 0.75, fullrange = FALSE,
level = 0.95, method.args = list(), na.rm = FALSE,
show.legend = NA, inherit.aes = TRUE)
在使用ggplot进行了大量的画图后,大致推测出变量之间的关系,便开始着手建模。因为本人数学功底不好,并不是很清楚各个模型在具体情况下的优劣,只能每个模型都建立一遍。最后模型是用gam进行拟合。
gam(formula,family=gaussian(),data=list(),weights=NULL,subset=NULL,
na.action,offset=NULL,method="GCV.Cp",
optimizer=c("outer","newton"),control=list(),scale=0,
select=FALSE,knots=NULL,sp=NULL,min.sp=NULL,H=NULL,gamma=1,
fit=TRUE,paraPen=NULL,G=NULL,in.out,drop.unused.levels=TRUE,
drop.intercept=NULL,discrete=FALSE,...)
需要注意的是,gam模型需要调用“mgcv”程序包才能调用,并且可以提供了非常多的参数以根据实际情况调整模型。涉及理论知识较多,有需要可以自学。
具体拟合结果如下图
至此,初步工作结束,目前模型还在验证中。等验证完后再细说。