График рассеяния или добавленный график переменной модели линейной регрессии
plot( создает график модели линейной регрессии mdl)mdl. Тип графика зависит от количества переменных предиктора.
Если mdl включает в себя множество переменных предиктора, plot создает график добавленной переменной для всей модели, за исключением члена константы (пересечения), эквивалентного plotAdded(mdl).
Если mdl включает в себя одну предикторную переменную, plot создает график рассеяния данных вместе с подогнанной кривой и доверительными границами.
Если mdl не включает предиктор, plot создает гистограмму остатков, эквивалентную plotResiduals(mdl).
h = plot(___)h для изменения свойств определенной линии или сегмента после создания графика. Список свойств см. в разделах Свойства линии и Свойства исправления.
Создание модели линейной регрессии пробега автомобиля как функции веса и модельного года. Затем создайте график добавленной переменной, чтобы увидеть значимость модели.
Создание модели линейной регрессии пробега из carsmall набор данных.
load carsmall Year = categorical(Model_Year); tbl = table(MPG,Weight,Year); mdl = fitlm(tbl,'MPG ~ Year + Weight^2');
Создайте добавленный график переменной модели.
plot(mdl)
График показывает, что модель является значимой, поскольку горизонтальная линия не помещается между доверительными границами.
Создайте один и тот же график с помощью plotAdded функция.
plotAdded(mdl)
Создайте график рассеяния данных вместе с подогнанной кривой и доверительными границами для простой модели линейной регрессии. Простая модель линейной регрессии включает только одну предикторную переменную.
Создание простой модели линейной регрессии пробега из carsmall набор данных.
load carsmall tbl = table(MPG,Weight); mdl = fitlm(tbl,'MPG ~ Weight')
mdl =
Linear regression model:
MPG ~ 1 + Weight
Estimated Coefficients:
Estimate SE tStat pValue
__________ _________ _______ __________
(Intercept) 49.238 1.6411 30.002 2.7015e-49
Weight -0.0086119 0.0005348 -16.103 1.6434e-28
Number of observations: 94, Error degrees of freedom: 92
Root Mean Squared Error: 4.13
R-squared: 0.738, Adjusted R-Squared: 0.735
F-statistic vs. constant model: 259, p-value = 1.64e-28
pValue из Weight переменная очень мала, что означает, что переменная статистически значима в модели. Визуализируйте этот результат, создавая график рассеяния данных вместе с подогнанной кривой и ее 95% доверительными границами, используя plot функция.
plot(mdl)
График показывает, что модель является значимой, поскольку горизонтальная линия не укладывается между доверительными границами, что согласуется с pValue результат.
Создайте один и тот же график с помощью plotAdded функция.
plotAdded(mdl)
Когда модель включает только один член в дополнение к постоянному члену, скорректированное значение эквивалентно его исходному значению. Поэтому этот добавленный график переменных совпадает с графиком рассеяния, созданным plot функция.
Курсор данных отображает значения выбранной точки графика в подсказке данных (небольшое текстовое поле, расположенное рядом с точкой данных). Всплывающая подсказка данных включает значения осей X и Y для выбранной точки вместе с именем или номером наблюдения.
A LinearModel объект обеспечивает несколько функций печати.
При создании модели используйте plotAdded чтобы понять эффект добавления или удаления переменной предиктора.
При проверке модели используйте plotDiagnostics найти сомнительные данные и понять эффект каждого наблюдения. Кроме того, используйте plotResiduals для анализа остатков модели.
После подгонки модели используйте plotAdjustedResponse, plotPartialDependence, и plotEffects чтобы понять эффект конкретного предиктора. Использовать plotInteraction чтобы понять эффект взаимодействия между двумя предикторами. Кроме того, используйте plotSlice для печати фрагментов через поверхность прогнозирования.
plot функция создает график добавленной переменной для модели в целом (за исключением постоянного члена), если модель включает несколько членов. Использовать plotAdded для выбора определенных предикторов для добавленного графика переменной.