exponenta event banner

plotAdded

Добавлен график переменной модели линейной регрессии

Описание

пример

plotAdded(mdl) создает график добавленной переменной для всей модели mdl за исключением постоянного (перехваченного) члена.

пример

plotAdded(mdl,coef) создает график добавленной переменной для указанных терминов coef.

plotAdded(mdl,coef,Name,Value) задает графические свойства скорректированных точек данных с использованием одного или нескольких аргументов пары имя-значение. Например, можно указать обозначение маркера и размер точек данных.

plotAdded(ax,___) создает график в осях, указанных ax вместо текущих осей, используя любую из комбинаций входных аргументов в предыдущих синтаксисах.

h = plotAdded(___) возвращает объекты строки для графика. Использовать h для изменения свойств определенной линии после создания графика. Список свойств см. в разделе Свойства линии.

Примеры

свернуть все

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)

Figure contains an axes. The axes with title Added variable plot for whole model contains 3 objects of type line. These objects represent Adjusted data, Fit: y=8.44866*x, 95% conf. bounds.

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)

Figure contains an axes. The axes with title Added variable plot for whole model contains 3 objects of type line. These objects represent Adjusted data, Fit: y=8.44866*x, 95% conf. bounds.

Создание модели линейной регрессии пробега автомобиля как функции веса и модельного года. Затем создайте график добавленной переменной, чтобы увидеть эффект весовых членов (Weight и Weight^2).

Создайте модель линейной регрессии с помощью carsmall набор данных.

load carsmall
Year = categorical(Model_Year);
tbl = table(MPG,Weight,Year);
mdl = fitlm(tbl,'MPG ~ Year + Weight^2');

Найти термины в модели, соответствующие Weight и Weight^2.

mdl.CoefficientNames
ans = 1x5 cell
    {'(Intercept)'}    {'Weight'}    {'Year_76'}    {'Year_82'}    {'Weight^2'}

Весовые показатели составляют 2 и 5.

Создайте добавленный график переменной с весовыми терминами.

coef = [2 5];
plotAdded(mdl,coef)

Figure contains an axes. The axes with title Added variable plot for specified terms contains 3 objects of type line. These objects represent Adjusted data, Fit: y=0.0164036*x, 95% conf. bounds.

График иллюстрирует, что весовые термины значимы, поскольку горизонтальная линия не укладывается между доверительными границами.

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)

Figure contains an axes. The axes with title MPG vs. Weight contains 4 objects of type line. These objects represent Data, Fit, Confidence bounds.

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)

Figure contains an axes. The axes with title Added variable plot for Weight contains 3 objects of type line. These objects represent Adjusted data, Fit: y=-0.00861193*x, 95% conf. bounds.

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.

Входные аргументы

свернуть все

Модель линейной регрессии, заданная как LinearModel объект, созданный с помощью fitlm или stepwiselm.

Коэффициенты в регрессионной модели mdl, указано как одно из следующих:

  • Вектор символов или строковый скаляр имени одного коэффициента в mdl.CoefficientNames (CoefficientNames имущество mdl).

  • Вектор положительных целых чисел, представляющих индексы коэффициентов в mdl.CoefficientNames. Используйте вектор для задания нескольких коэффициентов.

Типы данных: char | string | single | double

Целевые оси, указанные как Axes объект.

Если оси не указаны, а текущие оси декартовы, то plotAdded использует текущие оси (gca). Дополнительные сведения о создании Axes объект, см. axes и gca.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: 'Color','blue','Marker','*'

Примечание

Перечисленные здесь графические свойства являются только подмножеством. Полный список см. в разделе Свойства линии. Указанные свойства определяют внешний вид скорректированных точек данных.

Цвет линии, заданный как разделенная запятыми пара, состоящая из 'Color' и триплет RGB, шестнадцатеричный код цвета, имя цвета или краткое имя для одного из параметров цвета, перечисленных в следующей таблице.

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

Для пользовательского цвета укажите триплет RGB или шестнадцатеричный цветовой код.

  • Триплет RGB - это трехэлементный вектор строки, элементы которого задают интенсивности красной, зеленой и синей составляющих цвета. Интенсивности должны находиться в диапазоне [0,1]; например, [0.4 0.6 0.7].

  • Шестнадцатеричный цветовой код - это символьный вектор или строковый скаляр, начинающийся с хэш-символа (#), за которыми следуют три или шесть шестнадцатеричных цифр, которые могут варьироваться от 0 кому F. Значения не чувствительны к регистру. Таким образом, цветовые коды '#FF8800', '#ff8800', '#F80', и '#f80' эквивалентны.

Можно также задать некоторые общие цвета по имени. В этой таблице перечислены параметры именованного цвета, эквивалентные триплеты RGB и шестнадцатеричные цветовые коды.

Имя цветаКраткое имяТриплет RGBШестнадцатеричный цветовой кодВнешность
'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'НеприменимоНеприменимоНеприменимоБез цвета

Вот триплеты RGB и шестнадцатеричные цветовые коды для цветов по умолчанию MATLAB ®, используемых на многих типах графиков.

Триплет RGBШестнадцатеричный цветовой кодВнешность
[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, заданная как разделенная запятыми пара, состоящая из 'LineWidth' и положительное значение в баллах. Если линия имеет маркеры, то ширина линии также влияет на кромки маркера.

Пример: 'LineWidth',0.75

Символ маркера, заданный как разделенная запятыми пара, состоящая из 'Marker' и одно из значений в этой таблице.

СтоимостьОписание
'o'Круг
'+'Знак «Плюс»
'*'Звездочка
'.'Пункт
'x'Крест
'_'Горизонтальная линия
'|'Вертикальная линия
'square' или 's'Квадрат
'diamond' или 'd'Алмаз
'^'Треугольник, направленный вверх
'v'Треугольник, направленный вниз
'>'Прямоугольный треугольник
'<'Треугольник, указывающий влево
'pentagram' или 'p'Пятиконечная звезда (пентаграмма)
'hexagram' или 'h'Шестиконечная звезда (гексаграмма)
'none'Без маркеров

Пример: 'Marker','+'

Цвет контура маркера, заданный как разделенная запятыми пара, состоящая из 'MarkerEdgeColor' и триплет RGB, шестнадцатеричный код цвета, имя цвета или краткое имя для одного из параметров цвета, перечисленных в Color аргумент пары имя-значение.

Значение по умолчанию 'auto' использует тот же цвет, который указан с помощью 'Color'.

Пример: 'MarkerEdgeColor','blue'

Цвет заливки маркера, заданный как разделенная запятыми пара, состоящая из 'MarkerFaceColor' и триплет RGB, шестнадцатеричный код цвета, имя цвета или краткое имя для одного из параметров цвета, перечисленных в Color аргумент пары имя-значение.

'auto' значение использует тот же цвет, указанный с помощью 'Color'.

Пример: 'MarkerFaceColor','blue'

Размер маркера, указанный как разделенная запятыми пара, состоящая из 'MarkerSize' и положительное значение в баллах.

Пример: 'MarkerSize',2

Выходные аргументы

свернуть все

Линейные объекты, возвращаемые в виде вектора 3 на 1. h(1), h(2), и h(3) соответствуют скорректированным точкам данных, аппроксимируемой линии и 95% доверительным границам аппроксимируемой линии соответственно. Используйте точечную нотацию для запроса и установки свойств объектов линии. Дополнительные сведения см. в разделе Свойства линии.

Можно использовать аргументы пары имя-значение, чтобы указать внешний вид скорректированных точек данных, соответствующих первому графическому объекту h(1).

Подробнее

свернуть все

Добавленный график переменных

График добавленной переменной, также известный как график рычагов частичной регрессии, иллюстрирует инкрементное влияние на отклик указанных терминов, вызванное удалением эффектов всех других терминов.

Добавленный график переменной, созданный plotAdded с одним выбранным членом, соответствующим одной прогнозирующей переменной, включает в себя следующие графики:

  • График рассеяния скорректированных значений отклика по скорректированным значениям переменных предиктора

  • Подогнанная линия для скорректированных значений ответа как функция скорректированных значений переменных предиктора

  • 95% доверительные границы установленной линии

Скорректированные значения равны среднему значению переменной плюс остатки переменной, соответствующие всем предикторам, за исключением выбранного предиктора. Например, рассмотрим график добавленной переменной для первой прогнозирующей переменной x1. Поместите переменную ответа y и выбранную переменную предиктора x1 во все предикторы, кроме x1, следующим образом:

yi = gy (x2i, x3i,..., xpi) + ryi,

x1i = gx (x2i, x3i,..., xpi) + rxi,

где gy и gx соответствуют y и x1 соответственно всем предикторам, за исключением выбранного предиктора (x1). ry и rx являются соответствующими остаточными векторами. Нижний индекс i представляет номер наблюдения. Скорректированное значение представляет собой сумму среднего значения и остатка для каждого наблюдения.

y˜i=y¯+ryi,x˜1i=x¯1+rxi,

где x 1 и y sw представляют среднее значение x1 и y соответственно.

plotAdded строит график рассеяния (x˜1i, y˜i), аппроксимируемой линии для как функции x˜1 (то есть β1x˜1) и 95% доверительных границ аппроксимируемой линии. Коэффициент β1 тот же, что и оценка коэффициента x1 в полной модели, которая включает в себя все предикторы.

ryi представляет часть значений ответа, необъяснимых предикторами (за исключением x1), и rxi представляет часть значений x1, необъяснимых другими предикторами. Следовательно, подогнанная линия представляет, как новая информация, введенная добавлением x1, может объяснить необъяснимую часть значений ответа. Если наклон подогнанной линии близок к нулю и доверительные границы могут включать в себя горизонтальную линию, то график показывает, что новая информация из x1 плохо объясняет необъяснимую часть значений отклика. То есть x1 не является значимым в подгонке модели.

plotAdded также поддерживает расширение добавленного графика переменных, чтобы можно было выбрать несколько элементов вместо одного. Поэтому можно также указать категориальный предиктор, все термины, которые включают конкретный предиктор, или модель в целом (за исключением постоянного (перехватывающего) члена). Рассмотрим набор предикторов X с вектором коэффициентов β, где βi - оценка коэффициента xi в полной модели, если указать i-й коэффициент для добавленного графика переменных; в противном случае βi равно нулю. Определите единичный вектор направления u как u = β/s, где s = norm (β). Затем = (Xu) s. Рассмотрим Сюй как единственный предиктор с коэффициентом s и создайте добавленный график переменной для Сюй так же, как и создание графика для одного члена. Коэффициент подгоняемой линии на добавленном переменном графике соответствует s.

Совет

  • 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.

Альтернативная функциональность

  • 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.

  • plotAdded показывает инкрементное влияние на ответ указанных терминов путем удаления эффектов других терминов, тогда как plotAdjustedResponse показывает эффект выбранного предиктора в модели, вписывающейся с другими предикторами, усредненными путем усреднения подобранных значений. Обратите внимание, что определения скорректированных значений в plotAdded и plotAdjustedResponse не те же самые.

Расширенные возможности

Представлен в R2012a