plotDiagnostics

График диагностики нелинейной регрессионой модели

Синтаксис

plotDiagnostics(mdl) plotDiagnostics(mdl,plottype) h = plotDiagnostics(...) h = plotDiagnostics(mdl,plottype,Name,Value)

Описание

plotDiagnostics(mdl) графики диагностики из mdl линейная модель с использованием рычага в качестве типа графика.

plotDiagnostics(mdl,plottype) строит графики диагностики на графике типа plottype.

h = plotDiagnostics(...) возвращает указатели на линии на графике.

h = plotDiagnostics(mdl,plottype,Name,Value) графики с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар.

Входные параметры

mdl

Нелинейная регрессионая модель, построенная fitnlm.

plottype

Вектор символов или строковый скаляр, задающий тип графика:

`'contour'`	Невязка и рычаг с наложенными контурами Кука
`'cookd'`	Расстояние Кука
`'leverage'`	Кредитное плечо (диагональ матрицы Hat)

По умолчанию: 'leverage'

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.

Примечание

Свойство графика пар "имя-значение" применяться к первому возвращенному указателю h(1).

'Color'

Цвет линии или маркера, заданный как триплет RGB, шестнадцатеричный код цвета, название цвета или краткое имя для одного из опций цвета, перечисленных в следующей таблице.

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 цвета	Краткое имя	Триплет RGB	Шестнадцатеричный цветовой код
`'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'`

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

Триплет RGB	Шестнадцатеричный цветовой код	Внешность
`[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'`

'LineStyle'

Тип линии, спецификация свойств линии. Для получения дополнительной информации см. linespec.

'LineWidth'

Ширина линии или ребер заполненной области, в точках, положительной скалярной величине. Одна точка - 1/72 дюйма.

По умолчанию: 0.5

'MarkerEdgeColor'

Цвет контура маркера, заданный как триплет RGB, шестнадцатеричный код цвета, название цвета или краткое имя для одного из опций цвета, перечисленных в Color аргумент пары "имя-значение".

'MarkerFaceColor'

Заливка цвета для заполненных маркеров, заданная как триплет RGB, шестнадцатеричный код цвета, название цвета или краткое имя для одного из опций цвета, перечисленных в Color аргумент пары "имя-значение".

'MarkerSize'

Размер маркера в точках, строго положительная скалярная величина. Одна точка - 1/72 дюйма.

Выходные аргументы

`h`	Вектор указателей для линий или закрашенных фигур на графике.

Примеры

расширить все

Нелинейная модель использует график

Создайте график рычагов для подобранной нелинейной модели и найдите точки с высоким рычагом.

Загрузите данные реакции и подбирайте модель скорости реакции как функции реагентов.

load reaction
mdl = fitnlm(reactants,rate,@hougen,[1 .05 .02 .1 2]);

Создайте график плеча для подобранной модели.

plotDiagnostics(mdl)

Используйте всплывающие подсказки, чтобы изучить наблюдение с высоким плечом. При наведении указателя мыши на точку данных появляется всплывающая подсказка.

Кроме того, найдите наблюдение с высоким плечом в командной строке.

find(mdl.Diagnostics.Leverage > 0.8)

ans =

     6

Подробнее о

расширить все

Матрица шляп

<reservedrangesplaceholder3> <reservedrangesplaceholder2> определен с точки зрения матрицы данных X и якобиевской матрицы J:

$J_{i, j} = {\frac{\partial f}{\partial β_{j}} |}_{x_{i}, β}$

Здесь f - нелинейная функция модели, а β - вектор коэффициентов модели.

Шляпа Матрицы H

H = J (J^TJ)^–1J^T.

Диагональные элементы _Hii удовлетворять

$\begin{array}{l} 0 \leq h_{i i} \leq 1 \\ \sum_{i = 1}^{n} h_{i i} = p, \end{array}$

где n - количество наблюдений (строки X), а p - количество коэффициентов в регрессионой модели.

Рычаги

Рычаг является мерой эффекта конкретного наблюдения на регрессионные предсказания из-за положения этого наблюдения в пространстве входов.

Рычаги наблюдения i являются значением <reservedrangesplaceholder7> <reservedrangesplaceholder6> термина диагонали <reservedrangesplaceholder8> th матрицы шляпы H. Поскольку сумма значений рычага p (количество коэффициентов в регрессионой модели), i наблюдения может рассматриваться как выбросы, если его рычаг существенно превышает p/ n, где n - количество наблюдений.

Расстояние Кука

Дистанционная _Di i наблюдения Кука

$D_{i} = \frac{\sum_{j = 1}^{n} {({\hat{y}}_{j} - {\hat{y}}_{j (i)})}^{2}}{p M S E},$

где

${\hat{y}}_{j}$ - j-е установленное значение отклика.
${\hat{y}}_{j (i)}$ - j-е установленное значение отклика, где подгонка не включает i наблюдения.
MSE - средняя квадратичная невязка.
p - количество коэффициентов в регрессионной модели.

Расстояние Кука алгебраически эквивалентно следующему выражению:

$D_{i} = \frac{r_{i}^{2}}{p M S E} (\frac{h_{i i}}{{(1 - h_{i i})}^{2}}),$

где _ei - i-й невязка.

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.

Ссылки

[1] Нетер, Дж., М. Х. Кутнер, К. Дж. Нахтсхайм и У. Вассерман. Прикладные линейные статистические модели, четвертое издание. Ирвин, Чикаго, 1996.

См. также

NonLinearModel | plotResiduals

Документация