該方法為空間重采樣提供了良好的可視化方法。
用法
# S3 method for spatial_rset
autoplot(object, ..., alpha = 0.6)
# S3 method for spatial_block_cv
autoplot(object, show_grid = TRUE, ..., alpha = 0.6)
參數
- object
-
spatial_rset
對象或spatial_rsplit
對象。請注意,隻有從sf
對象進行的重新采樣才會創建spatial_rset
和spatial_rsplit
對象;此函數不適用於使用非空間 tibbles 或 data.frames 進行的重新采樣。 - ...
-
傳遞給
ggplot2::geom_sf()
的選項。 - alpha
-
不透明度,傳遞給
ggplot2::geom_sf()
。 Alpha 的值範圍為 0 到 1,值越低對應的顏色越透明。 - show_grid
-
繪製 spatial_block_cv 對象時,網格本身是否應該繪製在數據之上?設置為 FALSE 以刪除網格。
值
一個 ggplot 對象,每個折疊都分配了一種顏色,使用 ggplot2::geom_sf()
製作。
細節
spatial_rset
的繪圖方法顯示每個觀察值分配到的折疊。請注意,如果將數據分配給多個折疊(如果使用非零 radius
創建重采樣,則這種情況很常見),隻有每個觀測值的 "last" 折疊才會出現在繪圖上。考慮添加 ggplot2::facet_wrap(~ fold)
以分別可視化每個折疊的所有成員。或者,考慮使用 spatial_rsplit
方法(例如,通過 lapply(object$splits, autoplot)
)繪製每個分割。
相關用法
- R spatialsample spatial_clustering_cv 空間聚類交叉驗證
- R spatialsample spatial_nndm_cv 最近鄰距離匹配 (NNDM) 交叉驗證
- R spatialsample spatial_block_cv 空間塊交叉驗證
- R spatialsample spatial_vfold 帶緩衝的 V 形折疊交叉驗證
- R variogram 計算空間變異函數
- R anova.trls 用於擬合趨勢表麵對象的方差分析表
- R Kfn 計算點模式的 K-fn
- R Kenvl 計算 K-fns 模擬的包絡和平均值
- R correlogram 計算空間相關圖
- R trmat 評估網格上的趨勢麵
- R Kaver 模擬的平均 K 函數
- R semat 評估網格預測的克裏金標準誤差
- R surf.ls 通過最小二乘法擬合趨勢麵
- R ppgetregion 獲取空間點模式分析的域
- R pplik Strauss空間點過程的偽似然估計
- R surf.gls 通過廣義最小二乘法擬合趨勢麵
- R ppregion 設置空間點模式分析的域
- R Strauss 模擬施特勞斯空間點過程
- R prmat 評估網格上的克裏金曲麵
- R ppinit 從文件中讀取點過程對象
- R trls.influence 趨勢麵的回歸診斷
- R SSI 模擬連續空間抑製點過程
- R predict.trls 趨勢曲麵擬合的預測方法
- R expcov 空間協方差函數
- R Psim 模擬二項式空間點過程
注:本文由純淨天空篩選整理自Michael Mahoney等大神的英文原創作品 Create a ggplot for spatial resamples.。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。