График срезов через подходящую поверхность линейной регрессии
plotSlice(mdl)plotSlice( создает фигуру, содержащую один или несколько графиков, каждый представляющий срез через поверхность регрессии, предсказанную mdl)mdl. Каждый график показывает подходящие значения ответа функцией одной переменной прогноза с другими переменными прогноза, сохраненными постоянными.
plotSlice также отображает 95% доверительных границ для значений ответа. Используйте меню Bounds, чтобы выбрать тип доверительных границ и использовать меню Predictors, чтобы выбрать, который строят предикторы использовать для каждого среза. Для получения дополнительной информации смотрите Советы.
Постройте срезы через подходящую поверхность модели линейной регрессии.
Загрузите набор данных carsmall и соответствуйте модели линейной регрессии пробега как функция модельного года, веса, и вес придал квадратную форму.
load carsmall Year = categorical(Model_Year); tbl = table(MPG,Weight,Year); mdl = fitlm(tbl,'MPG ~ Year + Weight^2');
Создайте график среза.
plotSlice(mdl)
Зеленая строка в каждом графике представляет предсказанные значения ответа как функцию одной переменной прогноза с другими переменными прогноза, сохраненными постоянными. Красные пунктирные линии составляют 95% доверительных границ. y - подпись по осям включает предсказанное значение ответа и соответствующую доверительную границу для точки, выбранной вертикальными и горизонтальными строками. x - подпись по осям показывает имя переменной прогноза и значение предиктора для выбранной точки.
Обратите внимание на то, что mdl включает и Weight и условия Weight^2, но plotSlice создает только один график для термина Weight.
Переместите вертикальную строку в график Weight направо и наблюдайте изменение в y - подпись по осям и изменения в графике Year.
Используйте меню Bounds в окне рисунка, чтобы выбрать тип доверительных границ. Можно выбрать Simultaneous или Non-Simultaneous, и Curve или Observation. Можно также выбрать No Bounds, чтобы не иметь никаких доверительных границ.
Simultaneous или Non-Simultaneous
Одновременный (значение по умолчанию) — plotSlice вычисляет доверительные границы для кривой значений ответа с помощью метода Шеффа. Область значений между верхними и более низкими доверительными границами содержит кривую, состоящую из истинных значений ответа с 95%-й уверенностью.
Неодновременный — plotSlice вычисляет доверительные границы для значения ответа при каждом наблюдении. Доверительный интервал для значения ответа в определенном значении предиктора содержит истинное значение ответа с 95%-й уверенностью.
Одновременные границы более широки, чем отдельные границы, потому что требование, чтобы целая кривая значений ответа была в границах, более строго, чем требование, чтобы значение ответа в одном значении предиктора было в границах.
Curve или Observation
Модель регрессии для переменных прогноза X и переменная отклика y имеет форму
y = f (X) + ε,
где f является функцией X, и ε является случайным шумовым термином.
Curve (значение по умолчанию) — plotSlice предсказывает доверительные границы для подходящих ответов f (X).
Observation — plotSlice предсказывает доверительные границы для наблюдений ответа y.
Границы для y более широки, чем границы для f (X) из-за дополнительной изменчивости шумового термина.
Используйте меню Predictors в окне рисунка, чтобы выбрать, который строят предикторы использовать для каждого среза. Если модель mdl регрессии включает больше чем восемь предикторов, plotSlice создает графики для первых пяти предикторов по умолчанию.
Используйте predict, чтобы возвратить предсказанные значения ответа и доверительные границы. Можно также задать доверительный уровень для доверительных границ при помощи аргумента пары "имя-значение" 'Alpha' функции predict. Обратите внимание на то, что predict находит неодновременные границы по умолчанию, тогда как plotSlice находит одновременные границы по умолчанию.
Объект LinearModel обеспечивает несколько функций построения графика.
При создании модели используйте plotAdded, чтобы понять эффект добавления или удаления переменной прогноза.
При проверке модели используйте plotDiagnostics, чтобы найти сомнительные данные и понять эффект каждого наблюдения. Кроме того, используйте plotResiduals, чтобы анализировать невязки модели.
После подбирания модели используйте plotAdjustedResponse, plotPartialDependence и plotEffects, чтобы понять эффект конкретного предиктора. Используйте plotInteraction, чтобы понять эффект взаимодействия между двумя предикторами. Кроме того, используйте plotSlice, чтобы построить срезы через поверхность прогноза.