0

样条线对我来说还是相当新的。

我试图弄清楚如何创建一个薄板样条曲线的三维图，类似于统计学习简介（http://www-bcf.usc.edu/~gareth ）第 24-25 页上出现的可视化/ISL/ISLR%20Sixth%20Printing.pdf）。我在 scatterplot3d 中工作，为了便于重现数据，让我们使用“树”数据集代替我的实际数据。

设置初始图很简单：

data(trees)
attach(trees)
s3d <- scatterplot3d(Girth, Height, Volume,
                 type = "n", grid = FALSE, angle = 70,
                 zlab = 'volume',
                 xlab = 'girth', 
                 ylab = 'height',
                 main = "TREES") # blank 3d plot

我使用字段库中的 Tps 函数来创建样条曲线：

my.spline <- Tps(cbind(Girth, Height), Volume)

我可以开始直观地表示样条线：

for(i in nrow(my.spline$x):1) # for every girth . . .
s3d$points3d(my.spline$x[,1], rep(my.spline$x[i,2], times=nrow(my.spline$x)), # repeat every height . . . 
              my.spline$y, type='l') # and match these values to a predicted volume

但是当我尝试通过沿高度访问的交叉阴影线来完成样条曲线时，结果变得有问题：

for(i in nrow(my.spline$x):1) # for every height . . .
s3d$points3d(rep(my.spline$x[i,1], times=nrow(my.spline$x)), my.spline$x[,2],  # repeat every girth . . . 
           my.spline$y, type='l') # and match these values to a predicted volume

我越看得到的图，就越不确定我是否使用了来自 my.spline 的正确数据。

请注意，这个项目使用 scatterplot3d 进行其他可视化，所以我喜欢这个包作为预先存在的团队选择的结果。任何帮助将不胜感激。

4

1 回答 1

1

我认为您没有得到预测的 Tps。这需要使用predict.Tps

require(fields)
require(scatterplot3d)
data(trees)
attach(trees)   # this worries me. I generally use data in dataframe form.
s3d <- scatterplot3d(Girth, Height, Volume,
                 type = "n", grid = FALSE, angle = 70,
                 zlab = 'volume',
                 xlab = 'girth', 
                 ylab = 'height',
                 main = "TREES") # blank 3d plot
grid<- make.surface.grid( list( girth=seq( 8,22), height= seq( 60,90) ))
surf <- predict(my.spline, grid)
 str(surf)
# num [1:465, 1] 5.07 8.67 12.16 15.6 19.1 ...
str(grid)
#------------
 int [1:465, 1:2] 8 9 10 11 12 13 14 15 16 17 ...
 - attr(*, "dimnames")=List of 2
  ..$ : NULL
  ..$ : chr [1:2] "girth" "height"
 - attr(*, "grid.list")=List of 2
  ..$ girth : int [1:15] 8 9 10 11 12 13 14 15 16 17 ...
  ..$ height: int [1:31] 60 61 62 63 64 65 66 67 68 69 ...
#-------------
s3d$points3d(grid[,1],grid[,2],surf, cex=.2, col="blue")

您可以添加回预测点。这可以更好地了解估计表面有“支持”的 xy 区域：

s3d$points3d(my.spline$x[,1], my.spline$x[,2],  
           predict(my.spline) ,col="red")

在此处输入图像描述

scatterplot3d 包中没有surface3d 函数。（我刚刚搜索了 Rhelp 档案，看看我是否遗漏了一些东西，但图形专家总是说你需要使用lattice::wireframe, thegraphics::persp或 'rgl'-package 函数。既然你已经对 scatterplot3d 做出了承诺，我认为最简单的转换不是那些，而是更强大的名为 plot3d 的基本图形包。它能够进行多种变化，并通过其surf3D功能制作出非常漂亮的表面：

于 2015-11-17T16:54:40.767 回答