小编Dan*_*eld的帖子

这听起来很简单，我确信它是......

如果您使用ggplot2::update_geom_defaults()诸如：

ggplot2::update_geom_defaults("line", list(colour = 'red', linetype = 2))

如何将 ggplot2 返回到其原始默认值？

到目前为止，我发现的只是检查是否ggplot2已加载，如果已加载，则分离并重新加载它，从而“重置”默认值，但这似乎是一个可怕的黑客行为。

  if("ggplot2" %in% (.packages())){
     suppressMessages(suppressWarnings(detach("package:ggplot2", unload=TRUE)))
     suppressMessages(suppressWarnings(library(ggplot2)))}

一定有更简单的方法。

今天我正在帮助一位朋友进行分段回归。我们试图用断点拟合分段回归，看看它是否比标准线性模型更适合数据。

我偶然发现了一个我无法理解的问题。当使用所提供的数据用单个断点拟合分段回归时，它确实适合单个断点。

然而，当您根据模型进行预测时，它会给出看起来像 2 个断点的信息。使用绘制模型时plot.segmented()不会出现此问题。

任何人都知道发生了什么以及我如何获得正确的预测（以及标准错误等）？或者我在代码中一般做错了什么？

# load packages
library(segmented)

# make data
d <- data.frame(x = c(0, 3, 13, 18, 19, 19, 26, 26, 33, 40, 49, 51, 53, 67, 70, 88
),
                y = c(0, 3.56211608128595, 10.5214485148819, 3.66063708049802, 6.11000808621074, 
                      5.51520423804034, 7.73043895812661, 7.90691392857039, 6.59626527933846, 
                      10.4413913666936, 8.71673928545967, 9.93374157928462, 1.214860139929, 
                      3.32428882257746, 2.65223361387063, 3.25440939462105))

# fit normal linear regression and segmented regression
lm1 <- lm(y ~ x, d)
seg_lm <- segmented(lm1, ~ x)

slope(seg_lm)
#> $x
#>            Est.  St.Err. t …