如何在R中在一个图形中绘制3个模型？

我是R的新手，我的数据适合3个模型，如下所示：

模型1:y=a（x）+b

模型2:y=a（x）2+b（x）+c

现在我想在R中绘制所有这三个模型，但我找不到方法，你能帮我吗？我尝试了以下前两种型号，但我不知道如何在上面添加型号3：

ggplot(data = data, aes(x = dNDVI, y = CBI)) + 
    geom_point() + 
    geom_smooth(method = lm, formula = y ~ x, size = 1, se = FALSE) +
    geom_smooth(method = lm, formula = y ~ x + I(x^2), size = 1, se = FALSE ) +
    theme_bw()

---

我还想添加一个图例，显示3种不同颜色或3种型号的线条/曲线。您能指导我如何在图中制作吗？

使用iris作为虚拟集来表示三个模型：

new.dat <- data.frame(Sepal.Length=seq(min(iris$Sepal.Length), 
                      max(iris$Sepal.Length), length.out=50)) #new data.frame to predict the fitted values for each model

m1 <- lm(Petal.Length ~ Sepal.Length, iris)
m2 <- lm(Petal.Length ~ Sepal.Length + I(Sepal.Length^2), data=iris)
m3 <- nls(Petal.Length ~ Sepal.Length*(a*abs(Sepal.Length) + b) - 1, 
        start = c(a = 1.5, b = 2.7), data = iris)

new.dat$m1.fitted <- predict(m1, new.dat)
new.dat$m2.fitted <- predict(m2, new.dat)
new.dat$m3.fitted <- predict(m3, new.dat)

new.dat <- new.dat %>% gather(var, val, m1.fitted:m3.fitted) #stacked format of fitted data of three models (to automatically generate the legend in ggplot)


ggplot(new.dat, aes(Sepal.Length, val, colour=var)) +
        geom_line() 

---

new.dat ggplot2没有直接从
geom_smooth
绘制
nls
模型的方法（向下滚动至“方法”）。单独拟合模型，使用预测函数创建表示拟合线的虚拟数据集，然后绘制这些数据。非常感谢，所以我需要先单独拟合模型，然后使用带有预测值的几何线，对吗？Cheerri尝试了以下代码：ggplot（data=data，aes（x=dNDVI，y=CBI））+geom_point（）+geom_smooth（method=lm，formula=y~x，size=1，se=FALSE）+geom_smooth（method=lm，formula=y~x+I（x^2），size=1，se=FALSE）+theme_bw（）+geom_line（data=Xpred，aes（dNDVI，pred），col=green'））我可以为每个模型制作不同类型的线条，并为它们呈现我的图形图例吗？谢谢你，非常感谢你，亚当·奎克。非常感谢您对代码的帮助。我现在正在试。Cheers我运行最后一个模型，发现错误如下：>lm3这是一个相当复杂的问题。不幸的是，如果不知道您的数据是关于什么的，以及您的数据结构/范围是什么，我无法为您提供更多帮助。非常感谢您，我是新用户，我需要学习如何将数据上传到帖子。干杯
lm3 = nls(CBI ~ dNDVI*(a*abs(dNDVI) + b) - 1, start = c(a = 1.5, b = 2.7), data = data)

ggplot(data = data, aes(x = dNDVI, y = CBI)) + 
    geom_point() + 
    geom_smooth(method = lm, formula = y ~ x, size = 1, se = FALSE) +
    geom_smooth(method = lm, formula = y ~ x + I(x^2), size = 1, se = FALSE ) +
    theme_bw()

new.dat <- data.frame(Sepal.Length=seq(min(iris$Sepal.Length), 
                      max(iris$Sepal.Length), length.out=50)) #new data.frame to predict the fitted values for each model

m1 <- lm(Petal.Length ~ Sepal.Length, iris)
m2 <- lm(Petal.Length ~ Sepal.Length + I(Sepal.Length^2), data=iris)
m3 <- nls(Petal.Length ~ Sepal.Length*(a*abs(Sepal.Length) + b) - 1, 
        start = c(a = 1.5, b = 2.7), data = iris)

new.dat$m1.fitted <- predict(m1, new.dat)
new.dat$m2.fitted <- predict(m2, new.dat)
new.dat$m3.fitted <- predict(m3, new.dat)

new.dat <- new.dat %>% gather(var, val, m1.fitted:m3.fitted) #stacked format of fitted data of three models (to automatically generate the legend in ggplot)


ggplot(new.dat, aes(Sepal.Length, val, colour=var)) +
        geom_line()