plotResiduals

Постройте остаточные значения обобщенной линейной модели регрессии

свернуть все на странице

Синтаксис

plotResiduals(mdl)
plotResiduals(mdl,plottype)
plotResiduals(mdl,plottype,Name,Value)
h = plotResiduals(___)

Описание

пример

plotResiduals(mdl) создает график гистограммы обобщенной линейной модели регрессии (mdl) остаточные значения.

пример

plotResiduals(mdl,plottype) указывает, что остаточный график вводит plottype.

пример

plotResiduals(mdl,plottype,Name,Value) задает дополнительные опции с помощью одного или нескольких аргументов пары "имя-значение". Например, можно задать остаточный тип и графические свойства остаточных точек данных.

h = plotResiduals(___) возвращает графические объекты для линий или закрашенной фигуры в графике с помощью любой из комбинаций входных аргументов в предыдущих синтаксисах. Используйте h изменить свойства определенной линии или закрашенной фигуры после того, как вы создаете график. Для списка свойств смотрите Line Properties и Свойства исправления.

Примеры

свернуть все

Скрипт Open Live Script

Создайте три графика подбиравшей обобщенной линейной модели регрессии: гистограмма необработанных остаточных значений, график нормального распределения необработанных остаточных значений, график нормального распределения Anscombe вводит остаточные значения.

Сгенерируйте выборочные данные с помощью случайных чисел Пуассона с двумя базовыми предикторами X(:,1) и X(:,2). 

rng('default') % For reproducibility
rndvars = randn(100,2);
X = [2 + rndvars(:,1),rndvars(:,2)];
mu = exp(1 + X*[1;2]);
y = poissrnd(mu);

Создайте обобщенную линейную модель регрессии данных Пуассона. 

mdl = fitglm(X,y,'y ~ x1 + x2','Distribution','poisson');

Создайте гистограмму необработанных остаточных значений с помощью масштабирования функции плотности вероятности.

plotResiduals(mdl)

Областью каждой панели является относительное количество наблюдений. Сумма баров равна 1.

Создайте график нормального распределения необработанных остаточных значений.

plotResiduals(mdl,'probability')

Остаточные значения не совпадают с нормальным распределением в хвостах, потому что остаточные значения более распространены.

Создайте график нормального распределения остаточных значений типа Anscombe. 

plotResiduals(mdl,'probability','ResidualType','Anscombe')

Остаточные значения типа Anscombe совпадают с нормальным распределением.

Входные параметры

свернуть все

Обобщенная линейная модель регрессии в виде GeneralizedLinearModel объект создал использование fitglm или stepwiseglm.

Постройте тип в виде одного из значений в этой таблице.

ЗначениеОписание
'caseorder'Остаточные значения по сравнению с порядком случая (номер строки)
'fitted'Остаточные значения по сравнению с подходящими значениями
'histogram'Гистограмма остаточных значений с помощью масштабирования функции плотности вероятности. Областью каждой панели является относительное количество наблюдений. Сумма баров равна 1.
'lagged'Остаточные значения по сравнению с изолированными остаточными значениями (r (t) по сравнению с r (t – 1))
'probability'График нормального распределения остаточных значений. Для получения дополнительной информации смотрите probplot.
'symmetry'График симметрии остаточных значений вокруг их медианы (остаточные значения в верхнем хвосте – медиане по сравнению с медианой – остаточные значения в более низком хвосте). Этот график включает точечную ссылочную линию y = x, чтобы исследовать симметрию остаточных значений.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'Color','blue','Marker','o'

Примечание

Графические свойства, перечисленные здесь, являются только подмножеством. Для полного списка смотрите Line Properties для линий и Свойства исправления для гистограммы. Заданные свойства применяются к внешнему виду остаточных точек данных или внешнему виду гистограммы.

Тип невязки, используемой в графике в виде разделенной запятой пары, состоящей из 'ResidualType' и одно из значений в этой таблице.

ЗначениеОписание
'Raw'Наблюдаемый минус подходящие значения
'LinearPredictor'Остаточные значения линейной шкалы предиктора, равняйтесь настроенному значению отклика минус подходящая линейная комбинация предикторов
'Pearson'Необработанные остаточные значения, разделенные на предполагаемое стандартное отклонение ответа
'Anscombe'Остаточные значения, заданные на преобразованных данных с преобразованием, выбранным, чтобы удалить скошенность
'Deviance'Остаточные значения на основе вклада каждого наблюдения к отклонению

Residuals свойство mdl содержит остаточные значения, используемые plotResiduals создать графики.

Пример: 'ResidualType','Pearson'

Цвет линии в виде разделенной запятой пары, состоящей из 'Color' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое название для одного из параметров цвета перечислены в следующей таблице.

'Color' аргумент пары "имя-значение" также определяет цвет контура маркера и цвет заливки маркера если 'MarkerEdgeColor' 'auto' (значение по умолчанию) и 'MarkerFaceColor' 'auto'.

Для пользовательского цвета задайте триплет RGB или шестнадцатеричный цветовой код.

  • Триплет RGB представляет собой трехэлементный вектор-строку, элементы которого определяют интенсивность красных, зеленых и синих компонентов цвета. Интенсивность должна быть в области значений [0,1]; например, [0.4 0.6 0.7].

  • Шестнадцатеричный цветовой код является вектором символов или строковым скаляром, который запускается с символа хеша (#) сопровождаемый тремя или шестью шестнадцатеричными цифрами, которые могут лежать в диапазоне от 0 к F. Значения не являются чувствительными к регистру. Таким образом, цветовые коды '#FF8800', '#ff8800', '#F80', и '#f80' эквивалентны.

Кроме того, вы можете задать имена некоторых простых цветов. Эта таблица приводит опции именованного цвета, эквивалентные триплеты RGB и шестнадцатеричные цветовые коды.

Название цветаКраткое названиеТриплет RGBШестнадцатеричный цветовой кодВнешний вид
'red''r'[1 0 0]'#FF0000'

'green''g'[0 1 0]'#00FF00'

'blue''b'[0 0 1]'#0000FF'

'cyan' 'c'[0 1 1]'#00FFFF'

'magenta''m'[1 0 1]'#FF00FF'

'yellow''y'[1 1 0]'#FFFF00'

'black''k'[0 0 0]'#000000'

'white''w'[1 1 1]'#FFFFFF'

'none'Не применяетсяНе применяетсяНе применяетсяНет цвета

Вот являются триплеты RGB и шестнадцатеричные цветовые коды для цветов по умолчанию использованием MATLAB® во многих типах графиков.

Триплет RGBШестнадцатеричный цветовой кодВнешний вид
[0 0.4470 0.7410]'#0072BD'

[0.8500 0.3250 0.0980]'#D95319'

[0.9290 0.6940 0.1250]'#EDB120'

[0.4940 0.1840 0.5560]'#7E2F8E'

[0.4660 0.6740 0.1880]'#77AC30'

[0.3010 0.7450 0.9330]'#4DBEEE'

[0.6350 0.0780 0.1840]'#A2142F'

Пример: 'Color','blue'

Ширина линии в виде разделенной запятой пары, состоящей из 'LineWidth' и положительное значение в точках. Если у линии есть маркеры, ширина линии также влияет на края маркера.

Пример: 'LineWidth',0.75

Символ маркера в виде разделенной запятой пары, состоящей из 'Marker' и одно из значений в этой таблице.

ЗначениеОписание
'o'Круг
'+'Знак «плюс»
'*'Звездочка
'.'Точка
'x'Крест
'_'Горизонтальная линия
'|'Вертикальная линия
'square' или 's'Квадрат
'diamond' или 'd'Ромб
'^'Треугольник, направленный вверх
'v'Нисходящий треугольник
'>'Треугольник, указывающий вправо
'<'Треугольник, указывающий влево
'pentagram' или 'p'Пятиконечная звезда (пентаграмма)
'hexagram' или 'h'Шестиконечная звезда (гексаграмма)
'none'Никакие маркеры

Пример: 'Marker','+'

Цвет контура маркера в виде разделенной запятой пары, состоящей из 'MarkerEdgeColor' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое название для одного из параметров цвета перечислены в Color аргумент пары "имя-значение".

Значение по умолчанию 'auto' использует тот же цвет, заданный при помощи 'Color'.

Пример: 'MarkerEdgeColor','blue'

Цвет заливки маркера в виде разделенной запятой пары, состоящей из 'MarkerFaceColor' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое название для одного из параметров цвета перечислены в Color аргумент пары "имя-значение".

'auto' значение использует тот же цвет, заданный при помощи 'Color'.

Пример: 'MarkerFaceColor','blue'

Размер маркера в виде разделенной запятой пары, состоящей из 'MarkerSize' и положительное значение в точках.

Пример: 'MarkerSize',2

Выходные аргументы

свернуть все

Графические объекты, соответствующие линиям или закрашенной фигуре в графике, возвращенном как графический массив. Используйте запись через точку, чтобы запросить и установить свойства графических объектов. Для получения дополнительной информации смотрите Line Properties и Свойства исправления.

Можно использовать аргументы пары "имя-значение", чтобы задать внешний вид остаточных точек данных или внешний вид гистограммы, соответствуя первому графическому объекту h(1).

Больше о

свернуть все

Отклонение

Deviance является дважды логарифмической правдоподобностью модели. Поскольку эта полная логарифмическая правдоподобность является суммой логарифмической правдоподобности для каждого наблюдения, остаточный график с типом отклонения показывает логарифмическую правдоподобность на наблюдение.

Советы

  • Data Cursor отображает значения выбранной точки графика во всплывающей подсказке (маленькое текстовое поле, расположенное рядом с точкой данных). Всплывающая подсказка включает x - ось и y - значения оси для выбранной точки, наряду с именем наблюдения или номером.

Альтернативная функциональность

GeneralizedLinearModel объект обеспечивает несколько функций построения графика.

  • При проверке модели использовать plotDiagnostics найти сомнительные данные и изучить эффект каждого наблюдения. Кроме того, используйте plotResiduals анализировать остаточные значения модели.

  • После подбирания модели использовать plotPartialDependence изучать эффект конкретного предиктора. Кроме того, используйте plotSlice построить срезы через поверхность предсказания.

Расширенные возможности

Смотрите также

| | |

Темы

Представленный в R2012a

Документация Statistics and Machine Learning Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте