Визуализация качества модели

Введение в регрессию на R

Richie Cotton

Data Evangelist at DataCamp

Желаемые свойства остатков

Остатки распределены нормально
Среднее остатков равно нулю

Лещ и окунь снова

Лещ: «хорошая» модель

mdl_bream <- lm(mass_g ~ length_cm, data = bream)

Точечный график зависимости массы леща от длины с линией тренда, показанный ранее.

Окунь: «плохая» модель

mdl_perch <- lm(mass_g ~ length_cm, data = perch)

Точечный график зависимости массы окуня от длины с линией тренда, показанный ранее.

Остатки и подогнанные значения

Лещ

Точечный график остатков модели леща относительно подогнанных значений с линией тренда LOESS. Линия тренда проходит близко к оси x.

Окунь

Точечный график остатков модели окуня относительно подогнанных значений с линией тренда LOESS. Линия тренда образует форму буквы V.

Q-Q график

Лещ

Q-Q график стандартизированных остатков модели леща относительно теоретических квантилей. Точки в целом следуют линии равенства остатков и квантилей, за исключением двух выбросов.

Окунь

Q-Q график стандартизированных остатков модели окуня относительно теоретических квантилей. Точки плохо следуют линии равенства остатков и квантилей, особенно в правой части графика.

Масштаб-расположение

Точечный график корня из стандартизированных остатков модели леща относительно подогнанных значений с линией тренда LOESS. Линия тренда незначительно возрастает по мере увеличения подогнанных значений.

Точечный график корня из стандартизированных остатков модели окуня относительно подогнанных значений с линией тренда LOESS. Линия тренда несколько раз поднимается и опускается по мере увеличения подогнанных значений.

autoplot()

library(ggplot2)
library(ggfortify)

autoplot(model_object, which = ???)

Значения which

1 остатки и подогнанные значения
2 Q-Q график
3 масштаб-расположение

autoplot() для модели окуня

autoplot(
  mdl_perch, 
  which = 1:3, 
  nrow = 3, 
  ncol = 1
)

Три диагностических графика для модели окуня, объединённые в одном рисунке с тремя панелями.

Давайте потренируемся!

Введение в регрессию на R