График срезов через подогнанную линейную регрессионную поверхность
plotSlice( создает фигуру, содержащую один или несколько графиков, каждый из которых представляет собой срез через поверхность регрессии, предсказанный mdl)mdl. Каждый график показывает подогнанные значения отклика как функцию одной прогнозирующей переменной, при этом другие прогнозирующие переменные остаются постоянными.
plotSlice также отображает 95% доверительные границы для значений ответа. Используйте меню Границы (Bounds), чтобы выбрать тип доверительных границ, и меню Предикторы (Predictors), чтобы выбрать, какие предикторы использовать для каждого участка графика. Дополнительные сведения см. в разделе Советы.
Постройте график срезов через подогнанную поверхность модели линейной регрессии.
Загрузить carsmall набор данных и соответствие модели линейной регрессии пробега как функции года модели, веса и квадрата веса.
load carsmall Year = categorical(Model_Year); tbl = table(MPG,Weight,Year); mdl = fitlm(tbl,'MPG ~ Year + Weight^2');
Создайте график фрагмента.
plotSlice(mdl)
Зеленая линия на каждом графике представляет прогнозируемые значения отклика как функцию одной прогнозирующей переменной, при этом другие прогнозирующие переменные остаются постоянными. Красные пунктирные линии являются 95% доверительными границами. Метка оси Y включает в себя прогнозируемое значение отклика и соответствующую доверительную границу для точки, выбранной вертикальной и горизонтальной линиями. Метка оси x показывает имя переменной предиктора и значение предиктора для выбранной точки.
Обратите внимание, что mdl включает оба Weight и Weight^2 условия, но plotSlice создает только один график для Weight срок.
Переместить вертикальную линию в Weight постройте график справа и просмотрите изменения в метке оси Y и изменения в Year график.
Используйте меню Границы (Bounds) в окне рисунка, чтобы выбрать тип доверительных границ. Можно выбрать Одновременный (Simolate) или Непереходный (Non-Simolate), а также Кривая (Curve) или Наблюдение ( Можно также выбрать Нет границ, чтобы не иметь доверительных границ.
Одновременное или несимметричное
Одновременный (по умолчанию) - plotSlice вычисляет доверительные границы для кривой значений отклика с помощью метода Шеффе. Диапазон между верхней и нижней доверительными границами содержит кривую, состоящую из истинных значений отклика с 95% уверенностью.
Не одновременно - plotSlice вычисляет доверительные границы для значения отклика при каждом наблюдении. Доверительный интервал для значения ответа при определенном значении предиктора содержит истинное значение ответа с 95% достоверности.
Одновременные границы шире, чем отдельные границы, потому что требовать, чтобы вся кривая значений отклика находилась в пределах границ, строже, чем требовать, чтобы значение отклика при одном предикторном значении находилось в пределах границ.
Кривая или наблюдение
Регрессионная модель для переменных X предиктора и переменной y ответа имеет вид
y = f (X) +
где f - функция от X,
Кривая (по умолчанию) - plotSlice предсказывает доверительные границы для подобранных откликов f (X).
Наблюдение - plotSlice предсказывает доверительные границы для наблюдений ответа y.
Границы для y шире, чем границы для f (X), из-за дополнительной изменчивости шумового члена.
Используйте меню Предикторы (Predictors) в окне рисунка, чтобы выбрать, какие предикторы следует использовать для каждого графика среза. Если регрессионная модель mdl включает более восьми предикторов, plotSlice создает графики для первых пяти предикторов по умолчанию.
Использовать predict для возврата прогнозируемых значений отклика и доверительных границ. Можно также указать доверительный уровень для доверительных границ с помощью 'Alpha' аргумент пары имя-значение predict функция. Обратите внимание, что predict находит несимволические границы по умолчанию, тогда как plotSlice по умолчанию находит одновременные границы.
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.