第一个参数是一个数据框，对于后续的每个参数，它会找出其中的唯一变量，然后生成所有组合：

grid <- sim1 %>% data_grid(x) grid #> # A tibble: 10 × 1 #> x #> #> 1 1 #> 2 2 #> 3 3 #> 4 4 #> 5 5 #> 6 6 #> # ... 还有 4 行

（当我们开始向模型中添加更多变量时，这会变得更有意思。）

接下来我们添加预测值。我们将使用 modelr::add_predictions()，它接受一个数据框和一个模型。它会把模型的预测结果添加到数据框的一个新列中：

grid <- grid %>% add_predictions(sim1_mod) grid #> # A tibble: 10 × 2 #> x pred #> #> 1 1 6.27 #> 2 2 8.32 #> 3 3 10.38 #> 4 4 12.43 #> 5 5 14.48 #> 6 6 16.53 #> # ... 还有 4 行

（你也可以使用这个函数将预测值添加到你的原始数据集中。）

接下来，我们绘制预测结果。你可能会疑惑，与直接使用 geom_abline() 相比，为什么要做这些额外的工作。但这种方法的优点在于，它适用于 R 中的任何模型，从最简单的到最复杂的。唯一的限制就是你的可视化技能。如果想了解更多关于如何可视化更复杂模型类型的思路，你可以尝试 http://vita.had.co.nz/papers/model-vis.html。

ggplot(sim1, aes(x)) + geom_point(aes(y = y)) +