plotAdded

Добавлен переменный график линейной регрессионой модели

Описание

пример

plotAdded(mdl) создает добавленный график переменной для всей модели mdl кроме постоянного (перехвата) термина.

пример

plotAdded(mdl,coef) создает дополнительный график переменной для заданных терминов coef.

plotAdded(mdl,coef,Name,Value) задает графические свойства скорректированных точек данных с помощью одного или нескольких аргументов пары "имя-значение". Для примера можно задать символ маркера и размер для точек данных.

plotAdded(ax,___) создает график в заданных ax осях вместо текущей системы координат использовать любой из комбинаций входных аргументов в предыдущих синтаксисах.

h = plotAdded(___) возвращает объекты линий для графика. Использование h изменение свойств линий после создания графика. Список свойств см. в разделе «Свойства линии».

Примеры

свернуть все

Создайте линейную регрессионую модель пробега автомобиля как функции веса и модельного года. Затем создайте добавленный график переменной, чтобы увидеть значимость модели.

Создайте линейную регрессионую модель 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 иллюстрирует, что модель значительна, потому что горизонтальная линия не помещается между доверительными границами.

Создать тот же график при помощи 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.

Создайте линейную регрессионую модель пробега автомобиля как функции веса и модельного года. Затем создайте добавленный график переменной, чтобы увидеть эффект терминов веса (Weight и Weight^2).

Создайте линейную регрессионую модель с помощью carsmall набор данных.

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

Найдите членов в модели, соответствующие Weight и Weight^2.

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

Условия веса: 2 и 5.

Создайте дополнительный график переменной с терминами веса.

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 условия веса значительны, потому что горизонтальная линия не помещается между доверительными границами.

Создайте график поля точек данных вместе с подобранной кривой и доверием границами для простой линейной регрессионой модели. Простая линейная регрессионая модель включает только одну переменную.

Создайте простую линейную регрессионую модель 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 от Weight переменная очень маленькая, что означает, что переменная статистически значима в модели. Визуализируйте этот результат путем создания графика поля точек данных вместе с подобранной 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 иллюстрирует, что модель значительна, потому что горизонтальная линия не помещается между доверительными границами, что согласуется с pValue результат.

Создать тот же график при помощи 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 переменной аналогичен графику поля точек, созданному plot функция.

Входные параметры

свернуть все

Линейная регрессионая модель, заданная как LinearModel объект, созданный с помощью fitlm или stepwiselm.

Коэффициенты в регрессионной модели mdl, указанный как одно из следующего:

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

  • Вектор положительных целых чисел, представляющий индексы коэффициентов в mdl.CoefficientNames. Используйте вектор, чтобы задать несколько коэффициентов.

Типы данных: char | string | single | double

Целевые оси, заданные как Axes объект.

Если вы не задаете, а текущие системы координат Декартовы, то plotAdded использует текущую систему координат (gca). Для получения дополнительной информации о создании Axes объект, см. axes и gca.

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

Пример: 'Color','blue','Marker','*'

Примечание

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

Цвет линии, заданный как разделенная разделенными запятой парами, состоящая из 'Color' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое имя для одного из опций, перечисленных в следующей таблице.

The '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 код цвета.

  • 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]; для примера, [0.4 0.6 0.7].

  • Шестнадцатеричный код цвета - это вектор символов или строковый скаляр, который начинается с хэш-символа (#), за которым следуют три или шесть шестнадцатеричных цифр, которые могут варьироваться от 0 на F. Значения не зависят от регистра. Таким образом, цветовые коды '#FF8800', '#ff8800', '#F80', и '#f80' являются эквивалентными.

Кроме того, вы можете задать имена некоторых простых цветов. В этой таблице перечислены именованные опции цвета, эквивалентные триплеты RGB и шестнадцатеричные цветовые коды.

Название 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'Не применяетсяНе применяетсяНе применяетсяНет цвета

Вот триплеты RGB и шестнадцатеричные цветовые коды для цветов по умолчанию MATLAB® использует 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 разделенными запятой парами, состоящая из 'LineWidth' и положительное значение в точках. Если у линии есть маркеры, ширина линии также влияет на ребра маркера.

Пример: 'LineWidth',0.75

Символ маркера, заданный как разделенная разделенными запятой парами, состоящая из 'Marker' и одно из значений в этой таблице.

ЗначениеОписание
'o'Круг
'+'Плюс знак
'*'Звездочка
'.'Точка
'x'Крест
'_'Горизонтальная линия
'|'Вертикальная линия
'square' или 's'Квадрат
'diamond' или 'd'Алмаз
'^'Направленный вверх треугольник
'v'Нисходящий треугольник
'>'Треугольник , указывающий вправо
'<'Треугольник , указывающий влево
'pentagram' или 'p'Пятиконечная звезда (пентаграмма)
'hexagram' или 'h'Шестиконечная звезда (гексаграмма )
'none'Маркеров нет

Пример: 'Marker','+'

Цвет контура маркера, заданный как разделенная разделенными запятой парами, состоящая из 'MarkerEdgeColor' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое имя для одного из опций, перечисленных в Color аргумент пары "имя-значение".

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

Пример: 'MarkerEdgeColor','blue'

Цвет заливки маркера, заданный как разделенная разделенными запятой парами, состоящая из 'MarkerFaceColor' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое имя для одного из опций, перечисленных в Color аргумент пары "имя-значение".

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

Пример: 'MarkerFaceColor','blue'

Размер маркера, заданный как разделенная разделенными запятой парами, состоящая из 'MarkerSize' и положительное значение в точках.

Пример: 'MarkerSize',2

Выходные аргументы

свернуть все

Объекты линии, возвращенные как вектор 3 на 1. h(1), h(2), и h(3) соответствуют скорректированным точкам данных, установленной линии и 95% доверительным границам установленной линии, соответственно. Используйте запись через точку для того, чтобы запросить и задать свойства объектов линии. Для получения дополнительной информации см. раздел Свойств линии».

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

Подробнее о

свернуть все

Добавленный график переменной

Добавленный график переменной, также известный как график частичного регрессионного рычага, иллюстрирует инкрементный эффект на ответ заданных членов, вызванный удалением эффектов всех других членов.

Добавленный график переменной, созданный plotAdded с одним выбранным членом, соответствующим одной переменной предиктора, включают эти графики:

  • График поля точек скорректированных значений отклика по скорректированному предиктору значений переменных

  • Установленная линия для скорректированных значений отклика как функции скорректированного предиктора значений переменных

  • 95% доверительные границы установленной линии

Скорректированные значения равны среднему значению переменной плюс невязки переменной подгоняются ко всем предикторам, кроме выбранного предиктора. Для примера рассмотрим добавленный график переменной для первой переменной предиктора x 1. Подгонка переменной отклика y и выбранной переменной предиктора x 1 ко всем предикторам, кроме x 1 следующим образом:

yi = gy (x 2 i, <reservedrangesplaceholder3> 3 <reservedrangesplaceholder2>, …, xpi) + ryi,

<reservedrangesplaceholder8> 1 <reservedrangesplaceholder7> = gx (x 2 i, <reservedrangesplaceholder3> 3 <reservedrangesplaceholder2>, …, xpi) + rxi,

где gy и gx являются подгонкой y и x 1, соответственно, против всех предикторов, кроме выбранного предиктора (x 1). ry и rx являются соответствующими векторами невязок. i индекса представляет номер наблюдения. Скорректированное значение является суммой среднего значения и невязки для каждого наблюдения.

y˜i=y¯+ryi,x˜1i=x¯1+rxi,

где x¯1 и y¯ представляют среднее значение x 1 и y, соответственно .

plotAdded графики a графика поля точек из (x˜1i, y˜i), установленная линия для y˜ как функцию x˜1 (то есть, β1x˜1) и 95% доверительные границы установленной линии. Коэффициент β 1 аналогичен оценке коэффициента x 1 в полной модели, которая включает все предикторы.

ryi представляет часть значений отклика, необъясненных предикторами (кроме x 1), а rxi представляет часть значений x 1, необъясненную другими предикторами. Поэтому установленная линия представляет, как новая информация, введенная путем добавления x 1, может объяснить необъясненную часть значений отклика. Если уклон подобранной линии близок к нулю, а доверие границы могут включать горизонтальную линию, график указывает, что новая информация из x 1 не объясняет необъясненную часть значений отклика хорошо. То есть x 1 не значительна в модели подгонки.

plotAdded также поддерживает расширение добавленного графика переменной, так что можно выбрать несколько членов вместо одного термина. Поэтому можно также задать категориальный предиктор, все условия, которые включают конкретный предиктор, или модель в целом (кроме постоянного (перехватывающего) термина). Рассмотрим набор предикторов, X с вектором- β коэффициента, где βi - оценка коэффициента xi в полной модели, если вы задаете i-й коэффициент для добавленного переменного графика; в противном случае βi равен нулю. Задайте вектор направления модуля, u как  u = β/ s где s = norm (β). Затем X β = (X u) s. Обработка X u как один предиктор с s коэффициентов и создайте добавленный переменный график для X u так же, как создать график для одного члена. Коэффициент установленной линии на добавленном графике переменной соответствует s.

Совет

  • В Data Cursor отображаются значения выбранного графика точки в всплывающую подсказку (небольшое текстовое поле, расположенное рядом с точкой данных). Оголовок данных включает x -ось и y -ось для выбранной точки вместе с именем или номером наблюдения.

Альтернативная функциональность

  • A LinearModel объект обеспечивает несколько функции построения графика.

    • 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 невязок модели.

    • После подбора кривой модели используйте plotAdjustedResponse, plotPartialDependence, и plotEffects чтобы понять эффект конкретного предиктора. Использовать plotInteraction чтобы понять эффект взаимодействия между двумя предикторами. Кроме того, используйте plotSlice чтобы построить срезы по поверхности предсказания.

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

Расширенные возможности

Введенный в R2012a
Для просмотра документации необходимо авторизоваться на сайте