Как построить экспоненциальное соответствие с помощью ggplot? [Дубликат]
Имейте в виду, что приведенные выше ответы верны для многих случаев. Однако понижение до tensorflow 1.5 может быть не лучшим решением, потому что, к примеру, у вас не будет доступа к некоторым новым функциям тензорного потока, например, к функции «нетерпеливого исполнения».
Что я сделал в моем случае было установить tensorflow 1.8 с conda вместо pip. Из моего небольшого опыта работы с conda и pip, conda, кажется, работает лучше, когда дело доходит до размещения необходимых файлов в их правильном месте.
В заключение. Вместо pip3 install --upgrade tensorflow я использовал conda install tensorflow, который установит последней версии.
Если у вас нет Anaconda, установленного для команд conda. Загрузить с здесь
1 ответ
В ggplot2 версии 2.0.0 и выше вам нужно использовать method.args для передачи аргументов в geom_smooth(), например:
library(ggplot2)
ggplot(data = df22, aes(x = Date, y = Packages)) +
geom_point() +
geom_smooth(method = 'nls', formula = y ~ exp(a * x + b),
method.args=list(start = c(a = 0.001, b = 3)), se = FALSE)
Из файла ggplot2 NEWS (выделено мной):
Слои теперь гораздо более строгие относительно своих аргументов - вы получите сообщение об ошибке, если вы предоставили аргумент, который не является эстетическим или параметром. Это, вероятно, вызовет кратковременную боль, но в долгосрочной перспективе это значительно облегчит выявление орфографических ошибок и других ошибок (# 1293).
Это изменение нарушает горстку геометрий / которые использовали ..., чтобы передать дополнительные аргументы в базовые вычисления. Теперь geom_smooth () / stat_smooth () и geom_quantile () / stat_quantile () вместо этого используют метод.args (# 1245, # 1289); и stat_summary () (# 1242), stat_summary_hex () и stat_summary2d () используют fun.args.