绘制回归（基数）

继续 mtcars 示例，这是一个简单的方法来生成可能适合发布的线性回归图。

首先拟合线性模型和

fit <- lm(mpg ~ wt, data = mtcars)

然后绘制两个感兴趣的变量并在定义域中添加回归线：

plot(mtcars$wt,mtcars$mpg,pch=18, xlab = 'wt',ylab = 'mpg')
lines(c(min(mtcars$wt),max(mtcars$wt)),
as.numeric(predict(fit, data.frame(wt=c(min(mtcars$wt),max(mtcars$wt))))))

差不多了！ 最后一步是在图中添加回归方程，rsquare 以及相关系数。这是使用 vector 函数完成的：

rp = vector('expression',3)
rp[1] = substitute(expression(italic(y) == MYOTHERVALUE3 + MYOTHERVALUE4 %*% x), 
          list(MYOTHERVALUE3 = format(fit$coefficients[1], digits = 2),
                        MYOTHERVALUE4 = format(fit$coefficients[2], digits = 2)))[2]
rp[2] = substitute(expression(italic(R)^2 == MYVALUE), 
             list(MYVALUE = format(summary(fit)$adj.r.squared,dig=3)))[2]
rp[3] = substitute(expression(Pearson-R == MYOTHERVALUE2), 
             list(MYOTHERVALUE2 = format(cor(mtcars$wt,mtcars$mpg), digits = 2)))[2]

legend("topright", legend = rp, bty = 'n')

请注意，你可以通过调整矢量函数来添加任何其他参数，例如 RMSE。想象一下，你想要一个包含 10 个元素的图例。矢量定义如下：

rp = vector('expression',10)

你需要定义 r[1] ….到 r[10]

这是输出：