Discussion :

[zahiaaaaa]

bonjour,
j'ai effectuer une regression polynomiale sous R mais je n'arrive pas a tracer le polynome de régression .
est ce que quelque aurai l'amabilité de éclairer merci

[A. D.]

Bonjour,

Si vous avez effectué une régression polynomiale, vous avez donc obtenu un modèle de la forme :

y = a_0 + a_1 * x + a_2 * x^2 + a_3 * x^3 + ... + a_n * x^n

Je ne sais pas quelle fonction vous avez utilisée sous R (pour info : il est toujours bienvenu de mettre un extrait de son code [entre les balises codes] lorsqu'on poste une question sur le forum), mais vous pouvez peut-être récupérer les coefficients a_j à l'aide de la fonction "coef".

Sinon ensuite pour la représentation graphique, ceci n'est peut-être pas la solution optimale mais voilà comment je ferais très "basiquement" :

• création d'une fonction polynomiale comme suit (peut-être que le modèle est récupérable via la fonction qui a servi à le créer...) :
  
  

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  1
  2
  3
  4
  5
  6
   
  y<-function(x)
  {
        y<-a_0+a_1 * x + a_2 * x^2 + ... + a_n * x^n
        y
  }

• génération d'un vecteur x ou reprise des valeurs de x utilisées pour la régression
  
  

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  1
  2
  3
  4
   
  x<-seq(0,10,0.1) # par exemple
  # ou
  x<-data$X

• représentation graphique :
  
  

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  plot(x,y(x))

Voilà, en espérant que ceci vous donnera des idées pour avancer. Cela serait plus facile avec un exemple de votre code.
Bonne continuation


Cordialement,

A.D.

[pitipoisson]

Bonjour,

Il y a certainement plus direct : la plupart des résultats de modèle ont une méthode predict. Celle-ci donne généralement par défaut les valeurs prédites pour les observations qui ont servit à ajuster le modèle, mais peut également les calculer pour de nouvelles valeurs de la (des) variable(s) explicative(s).
Par exemple avec un simple modèle linéaire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
df <- data.frame(X=(X <- runif(30, 0, 20)),
                 Y=1 + 0.5 * X + X^2 + rnorm(length(X), 0, 10))

lm1 <- lm(Y ~ X + I(X^2), data=df)

coef(lm1)

x <- with(data=df,
          seq(from=min(X, na.rm=TRUE),
              to=max(X, na.rm=TRUE),
              length.out=100))

## Valeurs prédites :
plot(x,
     predict(lm1, newdata=data.frame(X=x)),
     type="l")

## Valeurs "observées" :
with(data=df,
     points(X, Y,
            col="red",
            pch=19))

Mais la syntaxe pourra dépendre de la fonction utilisée pour l'ajustement.