plotSlice

График срезов через подходящую обобщенную линейную поверхность регрессии

свернуть все на странице

Синтаксис

plotSlice(mdl)

Описание

пример

plotSlice(mdl) создает фигуру, содержащую один или несколько графиков, каждый представляющий срез через поверхность регрессии, предсказанную mdl. Каждый график показывает подходящие значения отклика в зависимости от одного переменного предиктора с другими переменными предикторами, сохраненными постоянными.

plotSlice также отображает 95% доверительных границ для значений отклика. Используйте меню Bounds, чтобы выбрать тип доверительных границ и использовать меню Predictors, чтобы выбрать, который строят предикторы использовать для каждого среза. Для получения дополнительной информации смотрите Советы.

Примеры

свернуть все

Скрипт Open Live Script

Постройте срезы через подходящую обобщенную линейную поверхность модели регрессии.

Сгенерируйте выборочные данные с помощью случайных чисел Пуассона с двумя базовыми предикторами X(:,1) и X(:,2).

rng('default') % For reproducibility
rndvars = randn(100,2);
X = [2 + rndvars(:,1),rndvars(:,2)];
mu = exp(1 + X*[1;2]);
y = poissrnd(mu);

Создайте обобщенную линейную модель регрессии данных Пуассона.

mdl = fitglm(X,y,'y ~ x1 + x2','Distribution','poisson');

Создайте график среза.

plotSlice(mdl)

Figure Prediction Slice Plots contains 2 axes objects and other objects of type uimenu, uicontrol. Axes object 1 contains 5 objects of type line. Axes object 2 contains 5 objects of type line.

Зеленая линия в каждом графике представляет предсказанные значения отклика в зависимости от одного переменного предиктора с другими переменными предикторами, сохраненными постоянными. Красные пунктирные линии составляют 95% доверительных границ. Метка оси Y включает предсказанное значение отклика и соответствующую доверительную границу для точки, выбранной вертикальными и горизонтальными линиями. Метка оси X показывает имя переменного предиктора и значение предиктора для выбранной точки.

Переместите вертикальную линию в x1 постройте направо и наблюдайте изменение в метке оси Y и изменения в x2 график.

Входные параметры

свернуть все

Обобщенная линейная модель регрессии в виде GeneralizedLinearModel объект создал использование fitglm или stepwiseglm, или CompactGeneralizedLinearModel объект, созданный с помощью compact.

Советы

  • Используйте меню Bounds в окне рисунка, чтобы выбрать тип доверительных границ. Можно выбрать Simultaneous или Non-Simultaneous. Можно также выбрать No Bounds, чтобы не иметь никаких доверительных границ.

    • Одновременный (значение по умолчанию) — plotSlice вычисляет доверительные границы для кривой значений отклика с помощью метода Шеффа. Область значений между верхними и более низкими доверительными границами содержит кривую, состоящую из истинных значений отклика с 95%-м доверием.

    • Неодновременный — plotSlice вычисляет доверительные границы для значения отклика при каждом наблюдении. Доверительный интервал для значения отклика в определенном значении предиктора содержит истинное значение отклика с 95%-м доверием.

    Одновременные границы более широки, чем отдельные границы, потому что требование, чтобы целая кривая значений отклика была в границах, более строго, чем требование, чтобы значение отклика в одном значении предиктора было в границах.

  • Используйте меню Predictors в окне рисунка, чтобы выбрать, который строят предикторы использовать для каждого среза. Если модель mdl регрессии включает больше чем восемь предикторов, plotSlice создает графики для первых пяти предикторов по умолчанию.

Альтернативная функциональность

  • Используйте predict возвратить предсказанные значения отклика и доверительные границы. Можно также задать доверительный уровень для доверительных границ при помощи 'Alpha' аргумент пары "имя-значение" predict функция. Обратите внимание на то, что predict находит неодновременные границы по умолчанию, тогда как plotSlice находит одновременные границы по умолчанию.

  • GeneralizedLinearModel объект обеспечивает несколько функций построения графика.

    • При проверке модели использовать plotDiagnostics найти сомнительные данные и изучить эффект каждого наблюдения. Кроме того, используйте plotResiduals анализировать остаточные значения модели.

    • После подбирания модели использовать plotPartialDependence изучать эффект конкретного предиктора. Кроме того, используйте plotSlice построить срезы через поверхность предсказания.

Расширенные возможности

Смотрите также

| | | | |

Темы

Представленный в R2012a

Документация Statistics and Machine Learning Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте