График срезов через подходящую поверхность линейной регрессии
plotSlice( создает фигуру, содержащую один или несколько графиков, каждый представляющий срез через поверхность регрессии, предсказанную mdl)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.
Постройте срезы через подходящую поверхность модели линейной регрессии.
Загрузите carsmall набор данных и подбирает модель линейной регрессии пробега в зависимости от модельного года, веса, и вес придал квадратную форму.
load carsmall Year = categorical(Model_Year); tbl = table(MPG,Weight,Year); mdl = fitlm(tbl,'MPG ~ Year + Weight^2');
Создайте график среза.
plotSlice(mdl)
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. y - подпись по осям включает предсказанное значение отклика и соответствующую доверительную границу для точки, выбранной вертикальными и горизонтальными линиями. x - подпись по осям показывает имя переменного предиктора и значение предиктора для выбранной точки.
Обратите внимание на то, что mdl включает обоих Weight и Weight^2 термины, но plotSlice создает только один график для Weight термин.
Переместите вертикальную линию в Weight постройте направо и наблюдайте изменение в y - подпись по осям и изменения в Year график.
Используйте меню Bounds в окне рисунка, чтобы выбрать тип доверительных границ. Можно выбрать Simultaneous или Non-Simultaneous, и Curve или Observation. Можно также выбрать No Bounds, чтобы не иметь никаких доверительных границ.
Simultaneous или Non-Simultaneous
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.
Curve или Observation
Модель регрессии для переменных предикторов X и переменная отклика y имеет форму
y = f (X) + ε,
где f является функцией X, и ε является случайной шумовой частью.
Curve (значение по умолчанию) — plotSlice предсказывает доверительные границы для подходящих ответов f (X).
Observation — plotSlice предсказывает доверительные границы для наблюдений ответа y.
Границы для y более широки, чем границы для f (X) из-за дополнительной изменчивости шумовой части.
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.
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.
LinearModel объект обеспечивает несколько функций построения графика.
При создании модели использовать plotAdded изучать эффект добавления или удаления переменного предиктора.
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 plotAdjustedResponse, plotPartialDependence, и plotEffects изучать эффект конкретного предиктора. Использование plotInteraction изучать эффект взаимодействия между двумя предикторами. Кроме того, используйте plotSlice построить срезы через поверхность предсказания.
