如何使用预测值作为"X“来预测"y”并绘制置信区间图
在预测任务中，使用预测值作为"X"来预测"y"并绘制置信区间图的过程可以通过以下步骤完成：
- 数据准备：首先，需要准备用于训练和测试的数据集。通常将数据集分为训练集和测试集，其中训练集用于训练模型，测试集用于评估模型的性能。
- 特征工程：对于预测任务，需要确定哪些特征可以作为输入变量"X"，以及需要预测的目标变量"y"。特征工程涉及数据预处理、特征选择和特征转换等步骤，旨在提取有用的特征并减少噪声。
- 模型选择与训练：根据具体的预测任务和数据特点，选择适合的机器学习或统计模型进行训练。常见的模型包括线性回归、决策树、支持向量机、神经网络等。利用训练集对模型进行训练，优化模型参数以最小化预测误差。
- 模型评估：使用测试集对训练好的模型进行评估，可以计算评估指标如均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）等来评估模型的预测性能。
- 预测与置信区间图绘制：使用训练好的模型对新的输入变量"X"进行预测，得到相应的预测值。同时，为了评估预测的准确性，可以计算置信区间。置信区间表示对预测值的不确定性范围估计。常见的方法包括基于正态分布的置信区间、基于Bootstrap的置信区间等。根据置信区间的计算结果，可以绘制置信区间图。
在腾讯云的产品中，可借助云原生技术和大数据平台实现上述预测任务。腾讯云提供了云原生服务，如腾讯云容器服务、弹性MapReduce等，可以帮助开发者快速搭建和管理容器化的预测模型和大数据处理平台。此外，腾讯云还提供了人工智能相关服务，如腾讯云机器学习平台、图像识别API等，可用于模型训练和预测。
请注意，以上答案仅供参考，具体的实施步骤和腾讯云产品选择可能会根据具体情况而异。
相关·内容
1回答
在预测线图周围绘制置信区间
、、、、
我正在尝试在线条图周围绘制置信度区间，类似于下面的内容：
我正在拟合一个高斯过程，当预测每个值时，它会返回平均值和标准差( std )。使用它，我应该能够绘制置信区间的不同范围。对于我的情况，我尝试将范围设置为10%，20%，... 90%。
目前我正在做这样的事情
y_pred, std = reg.predict(x, return_std=True)
std_z = 1.96 # from z-table for 95%
confidence_interval = std * std_z
plt.plot(x, y_pred)
plt.fill_between(x, y_pr
浏览 13提问于2020-05-29得票数 0
回答已采纳
2回答
绘制一组绘图的“热图”
、、、
我有一个矩阵，它有x行(即绘制的数目)和y列(观察的数目)。它们代表y预测的分布。
现在，我想做一个‘热图’的绘制。也就是说，我想要绘制一个‘置信区间’(不是真正的置信区间，而是所有在两者之间有阴影的值)，而是作为一个“热图”(一个的例子)。这意味着，例如，如果观察y=y*的抽签数多在1左右，但对于同一观测结果也有5的抽签，那么1附近的置信区间的区域就会变暗(但整体仍在1和5之间)。
要完全清楚:例如，我喜欢答案中的情节，但我希望灰色置信区间被颜色改为强度(即某些区域更暗)。
有人能告诉我我怎么做到的吗？
提前谢谢。
编辑：按请求:示例数据。第一列前20个值的示例(即y1: 20 ,1)：
[
浏览 4提问于2015-05-15得票数 3
回答已采纳
1回答
考虑到正则图以间隔和引导的方式计算每个垃圾箱的置信区间，人工重新计算它们似乎是一种浪费，因此：
问题：如何访问回归图的计算方法和置信区间？
示例：--这段代码使用CIs生成了一个很好的bin方法：
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# just some random numbers to get started
fig, ax = plt.subplots()
x = np.random.uniform(-2, 2, 1000)
y = np.random.normal(x**2
浏览 1提问于2019-02-25得票数 5
回答已采纳
1回答
我需要在cox回归中绘制二次效应的相对风险。我的模型是这样的：
cox_mod <- coxph(Surv(time, status) ~
ph.karno + pat.karno + meal.cal + meal.cal_q,
data = lung)
其中，meal.cal_q定义为：
lung$meal.cal_q <- lung$meal.cal^2
该图应考虑meal.cal和meal.cal_q的系数，并显示y轴上的相对风险和x轴上的meal.cal值。相对风险应该定义为给定meal.cal值与所有预测值的平均值
浏览 0提问于2018-06-18得票数 0
我找到了重新绘制的答案，但是我无法获得相同的代码来处理relplots。我想要改变置信区间的透明度，同时保持我的图形线更暗，但α输入的关系图使整个图更半透明。
我的代码：
cookie = sns.relplot(
data=data, x="Day", y="Touches",
hue='Sex', ci=68, kind="line", col = 'Event'
)
用于重新绘制的行是
plt.setp(cookie.collections[1], alpha=0.4)
浏览 0提问于2021-06-15得票数 2
回答已采纳
我创建了一个散点图，它使用两个来源的数据：x = []和y = []。在第二步中，我使用以下代码为上面的两个数据列表添加了一条线性回归线：
(m, b) = np.polyfit(x, y, 1)
Y_Polyval = np.polyval([m, b], x)
plt.plot(x, Y_Polyval, linewidth=3, c="black")
其结果是如下所示的标准散点图。
现在，我想添加一个95%的置信区间到黑色回归线，使用plt.fill_between。我知道有很多关于这个的话题，我读过很多，但是我不能解决这个问题，也就是根据我的特定代码和回归线来调整
浏览 9提问于2021-12-27得票数 0
回答已采纳
这是我的数据(示例)：
EXAMPLE<-data.frame(
X=c(99.6, 98.02, 96.43, 94.44, 92.06, 90.08, 87.3, 84.92, 82.14,
79.76, 76.98, 74.21, 71.03, 67.86, 65.08, 62.3, 59.92, 56.35,
52.38, 45.63, 41.67, 35.71, 30.95, 24.6, 17.86, 98.44, 96.48,
94.14, 92.19, 89.84, 87.5, 84.38, 82.42, 78.52, 76.17, 73.83,
70.7,
浏览 5提问于2015-02-04得票数 0
回答已采纳
我正在尝试制作一个看起来很平滑的置信区间的线状图。看起来像这样： ? 目前，我所做的是使用errorbar来显示置信区间。所以我有100个(x，y)对，我把它传递给sns.lineplot，它为我创建了一条直线，然后每个点，我都有标准差，我想绘制Sigma_new_vec图。 axs[(e-1)//2, (e-1)%2].errorbar(x, y ,yerr = Sigma_new_vec, linestyle="None")
sns.lineplot(x='x', y='y', data = predicted_line, ax=
浏览 23提问于2019-10-16得票数 7
回答已采纳
我用linear regression和StatsModels做这个
import numpy as np
import statsmodels.api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std
n = 100
x = np.linspace(0, 10, n)
e = np.random.normal(size=n)
y = 1 + 0.5*x + 2*e
X = sm.add_constant(x)
re = sm.OLS(y, X).fit()
print(re.summa
浏览 25提问于2013-07-09得票数 56
回答已采纳
1回答
我想在Seaborn条形图上绘制置信区间，但我已经计算了置信区间。如何让Seaborn绘制我的置信区间，而不是尝试自己计算它们？ 例如，假设我有以下熊猫DataFrame： x = pd.DataFrame([
['Group 1', 0.5, 0.05],
['Group 1', 0.6, 0.07],
], columns=['Group', 'Mean', 'SD']) 如何使用这些均值和标准差绘制条形图？
浏览 33提问于2021-04-01得票数 0
回答已采纳
2回答
我有一个lme4模型，我运行了一个分层逻辑回归模型，并且我正在使用effects包绘制效果。我想用平均值的标准误差作为误差条来创建一个效果图。我可以得到点估计，95%的置信区间，和标准错误的数据。然而，标准误差似乎与置信限参数不一致，参见下面的一个普通glm示例。
library(effects)
library(dplyr)
mtcars <- mtcars %>%
mutate(vs = factor(vs))
glm1 <- glm(am ~ vs, mtcars, family = "binomial")
(glm1_eff <- Effect(
浏览 1提问于2016-04-17得票数 2
回答已采纳
例如，假设我想使用下面的数据绘制具有置信区间(例如，上、下长划线)的RDD图。我该怎么做？
x<-runif(1000,-1,1)
y<-5+3*x+2*(x>=0)+rnorm(1000)
rdplot(y,x)
文档中写着: ci可选图形选项，用于显示每个bin.所选级别的置信区间。
是否知道如何实际使用参数ci
浏览 1提问于2019-10-14得票数 1
2回答
在附图中，我正在绘制每个预测点的实际与预测值以及置信区间。黑星代表所有预测点的平均值。我可以用什么公式来组合所有预测数据点的置信区间，从而得到平均值的置信区间？此外，请假定平均数可以是加权平均数。
我用的是蟒蛇，矮子。
📷
浏览 0提问于2016-12-25得票数 4
回答已采纳
我有一个线性模型： fit <- lm(lifespan ~ log(Metabolic.by.mass), data = anage) 我使用这个模型预测了我的y值为-6.10529，它被确定为17.34775。现在，我正在尝试使用1000次迭代的非参数bootstrap和关键置信区间为该数量创建95%的置信区间。 到目前为止，我有： resample = function(x) {
sample(x, size = length(x), replace = TRUE)
}
B = 1000
pred <- numeric(B)
for (ii in 1:B) {
浏览 70提问于2021-04-04得票数 0
2回答
我需要在我的情节中增加二项置信区间。
以下是我的步骤：
library(binom)
library(plotrix)
x <- c(1:6)
y <- c(68, 69, 70, 75, 75, 87)
CI <- binom.confint(y, 265, conf.level = 0.95, methods = "exact")
plot(x, y)
plotCI(x, y, ui = CI$upper, li = CI$lower, add = TRUE)
我认为我做的每件事都是正确的，但我的输出图似乎不对：
你有什么建议吗？
浏览 3提问于2016-07-27得票数 1
回答已采纳
我想创建一个在x轴上具有不同变量的图，并为每个变量绘制两个置信区间。我已经使用plt.errorbar实现了这一点。我的问题是我找不到一种方法来指定x轴变量的标签。目前，x轴只是整数。如果我将其更改为字符串，则无法绘制每个变量的两个置信区间。我使用"x = ... +0.2“将它们放在同一张图上。
plt.errorbar(
x=range(10,
y= data1,
yerr = data1_err,
)
plt.errorbar(
x=range(10),
y= data2,
yerr=data2_err,
)
plt.show()
浏览 250提问于2018-06-17得票数 0
1回答
我会用ggeffects软件包绘制非线性模型的置信区间。就我而言：
#Packages
library(ggplot2)
library(minpack.lm)
library(ggeffects)
library(dplyr)
# My dataset
coleo<- read.csv("https://raw.githubusercontent.com/Leprechault/PEN-533/master/coleo-infest-tree.csv")
coleo$DL<-as.numeric(coleo$DL)
coleo$V<-as.numer
浏览 4提问于2022-06-07得票数 1
回答已采纳
2回答
我有一个鸟类计数的数据框架。我有参与者的身份证号码，他们数的鸟数，他们数的年份，他们的长坐标和长坐标，以及他们的努力。我制作了这个模型：
model = lmer(count~year+lat+long+effort+(1|participant), data = df)
现在，我希望模型从相同的数据集中绘制预测值。所以，这是1997-2017年的数据，我希望模型能给我每年的预测值。我想要绘制这些，所以最后的图将有预测的计数在y轴上，年份(分类)在x轴上。每年将有一个数据点w/ a置信区间。
我已经试过找出predict()，但我不太确定如何使用它来获得我想要的东西。它似乎需要一个新的数据框架
浏览 10提问于2017-09-14得票数 0
回答已采纳
我有一些从模型中收集的数据。我想绘制一段时间内人口的大小。我有每个时间步的种群大小，并有100个重复。我想画出每个时间步的平均人口大小，以及95%的置信区间(如果可能的话，作为阴影)。
我以前没有用过ggplot。到目前为止，我一直在使用R中的普通(基础)图。但我想看看ggplot会是什么样子。
这是我到目前为止所知道的：
ggplot(data=model1, aes(x=steps., y= pop-size, col='blue')) +
geom_line()
这绘制了所有的点，看起来很好，但我不知道如何绘制平均值和添加置信区间。
浏览 1提问于2015-09-19得票数 11
回答已采纳
1回答
如果使用mgcv拟合模型，然后绘制平滑项，
m <- gam(y ~ s(x))
plot(m, shade = TRUE)
然后你得到一个曲线的图，有一个置信区间。我想，这些是点置信区间。它们是如何计算的？
我试着写
object <- plot(m, shade = true)
object[[1]]$fit +- 2*object[[1]]$se
为了使用标准误差和乘数2提取下界和上界，但当我绘制它时，它看起来与plot.gam绘制的置信区间略有不同。
那么，这些是如何计算的呢？
我不使用seWithMean = true或类似的东西。
浏览 1提问于2017-06-04得票数 1
回答已采纳
1回答
我使用“分析”下的“趋势线”功能在Tableau中创建了一个具有最佳拟合线条的图。这将绘制一条最佳拟合线，该线周围有可选的置信区间。
我的问题是:如何编辑最佳拟合线周围的置信区间的宽度或宽度？我在某处读到他们默认为90%或95%的置信度。我希望能够通过增加或减少置信度来加宽或缩小这些线。我的目标是使波段更窄。
经过大量搜索，我在网上找不到该怎么做。任何帮助都是非常感谢的！
谢谢
浏览 2提问于2017-10-26得票数 1
1回答
我有下面的模型。数据文件位于：中
library(nlme)
library(lme4)
library(car)
library(carData)
library(emmeans)
library(ggplot2)
library(Matrix)
library(multcompView)
datos_weight <- read.csv2("D:/investigacion/publicaciones/articulos-escribiendo/pennisetum/pennisetum-agronomicas/data_weight.csv",header=T, s
浏览 0提问于2018-11-05得票数 1
1回答
我试图在R中绘制一个逻辑回归图，我现在有这个代码.
mylogit<- glm(Breeding.success ~ Dam.Age, family = binomial, data = captive)
summary(mylogit)
predicted.data<- as.data.frame(predict(mylogit, type="response", se=TRUE))
summary(predicted.data)
new.data <- cbind(captive, predicted.data)
graph <- ggplot
浏览 1提问于2017-11-02得票数 1
回答已采纳
我对对数转换后的数据做了lm，并用ggplot绘制了它：
myplot <- myplot + stat_smooth(method="lm", formula=y~x)
下面是我的图：
所以我对此很满意，但现在我想回到我未记录的数据上，并绘制它。下面是我的图：
我的问题是:如何将我的模型添加到此图中？因为我的模型是对数转换数据的线性回归，但现在我想将其绘制在我的非对数转换图上。
提前感谢那些能帮助我的人。
浏览 0提问于2014-05-22得票数 1
1回答
在使用黄土平滑时，我在理解ggplot2中如何计算置信区间时遇到了一些问题。从其他一些线索来看，我的理解是ggplot2使用基于回归标准误差计算的t间隔，即使用实际数据点和黄土线之间的距离。但我认为，基于ggplot2产生的置信区间，我一定是错了。以下是示例代码(在本例中实际上是qplot，但我认为结果应该是相同的)： qplot(Year, Purposivism, data=fig1.dat, geom=c('point', 'smooth'), level=0.99, span=0.5, method='loess', ylab="
浏览 19提问于2019-09-22得票数 3
回答已采纳
1回答
这就是我对数据进行分段的方式
(X, y), (X_test, y_test) = mnist.load_data()
X_train, X_val, y_train, y_val = train_test_split(X,
y,
test_size=0.1,
random_state=1)
浏览 11提问于2020-02-19得票数 0
回答已采纳
1回答
因此，我需要为我运行的预测绘制一个置信区间。我可以运行预测，但当我用图形表示预测时，我会得到一条通过所有数据点的直线，而不是获得实际的置信区间。
GunRate <- seq(0,100, length = 51)
LinearPredictionA <- predict(ModelA,
interval = "confidence",
newdata = data.frame(ProportionAdultsLivingWithGun = GunRate,
LogMedianIncome =
浏览 0提问于2016-12-19得票数 3
1回答
数组操作和索引
、、
我正在尝试绘制一条定义如下的曲线：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
limit1 = 50
nPoints1=50
x1 = np.arange(0,limit1,1)
noise = np.asarray(np.random.randn(1,limit1))*15
y1 = x1**1.5 + noise
ts = pd.DataFrame(y1[0],index=x1)
我还想绘制这条曲线的置信区间，所以我计算：
ts_avg_smooth = ts.rolling(windo
浏览 2提问于2018-08-25得票数 0
回答已采纳
1回答
我使用quantreg来拟合分位数回归，并且还添加了一些基于x值(分位数)的纽结。我现在想画出这幅图，也有信心的间隔。不知道该怎么做。
下面是一个可重复的例子：
#create data
x <- seq(0,100,length.out = 100)
sig <- 0.1 + 0.05*x
b_0 <- 6
b_1 <- 0.1
set.seed(1)
浏览 0提问于2017-11-23得票数 2
回答已采纳
此代码绘制回归线、置信区间和预测区间。置信区间用灰色表示。我需要添加一个代码来绘制置信界限，以便更好地演示置信区间。
library(ggplot2)
x<-Allele<- c(4,4,5,5,5,7,9,11,11,11,13,14,15,15,16,17,17,19,19,19)
y<-SR<- c(5.5,5.6,5.7,6,6.1,8,8,12,12.1,13,14,14,16,16.5,17,17,
17.1,18,19,20)
D3S = data.frame(Allele, SR)
Mod <- lm(SR ~ Allele)
pred.int
浏览 1提问于2018-05-29得票数 0
回答已采纳
1回答
我做过logistic回归，部分结果如下。
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.9056 0.4967 -3.837 0.000125 ***
GWAS$value 0.4474 0.1157 3.868 0.000110 ***
这是我用来做logistic回归的数据。
浏览 0提问于2019-11-10得票数 2
回答已采纳
我想利用Suykens等人提出的最小二乘支持向量机进行预测。我正在使用LS-SVMlab，您可以找到MATLAB工具箱。假设我有一个自变量X和一个因变量Y，这两个变量都是模拟的。我正在遵循本教程中的说明。
X=线性空间(-1，1，50)‘；
Y= (15*(X.^2-1).^2.*X.^4).*exp(-X)+normrnd(0,0.1，长度(X)，1)；
类型=“函数估计”；
gam，sig2 = tunelssvm({X，Y，type，[]，[]，‘RBF_kernel’}，‘单纯形’，.‘leaveoneoutlssvm’，‘mse’})；
α，b= trainlssvm({X，Y
浏览 1提问于2013-05-02得票数 0
回答已采纳
1回答
我有一些数据如下：
生成此图的代码：
CI=4.5
data=pandas.DataFrame([3,5,1,2,3,4,5,6])
plt.figure()
plt.plot(data)
plt.plot([CI]*len(data),'--')
plt.ylabel('y data',fontsize=15)
plt.xlabel('x data',fontsize=15)
plt.title('example data',fontsize=15)
我还可以使用scipy插值数据：
from scipy.interp
浏览 0提问于2016-04-13得票数 0
回答已采纳
我试图用伽马误差分布来绘制一个geom_smooth。
library(ggplot)
data <- data.frame(x = 1:100, y = (1:100 + runif(1:100, min = 0, max = 50))^2)
p <- ggplot(data, aes(x, y)) +
geom_point() +
geom_smooth(method = 'glm', method.args = list(family = Gamma(link = "log")))
我也希望使用scale_y_revers
浏览 8提问于2022-07-05得票数 1
回答已采纳
我正在尝试将逻辑回归的结果绘制在对数奇数标度中。
load(url("https://github.com/bossaround/question/raw/master/logisticregressdata.RData"))
ggplot(D, aes(Year, as.numeric(Vote), color = as.factor(Male))) +
stat_smooth( method="glm", method.args=list(family="binomial"), formula = y~x + I(x^2), alpha
浏览 2提问于2017-09-28得票数 1
1回答
以下是我的问题：
1) I运行了一个多元线性回归:假设如下：
lm(attitude~quality+price+location+Income)
我主要关心的是态度和质量之间的关系，其他变量是控制变量。
2)然后我想做一个态度和质量之间的散点图。这很容易：
Q <-ggplot(data=data, aes(x=quality, y=attitude))
Q + geom_point(size = 1)
3) I进一步绘制了x与y之间的拟合线，斜率应是多元线性回归的偏回归系数。也就是说，它应该是以下公式中的attitude=b1*quality+b2*price+b3*locatio
浏览 0提问于2018-07-03得票数 5
1回答
正态分布样本的置信区间
、、、、
我想找出服从正态分布的样本的置信区间。
为了测试代码，我首先创建了一个示例，并尝试在Jupyter notebookpython内核中绘制一幅置信区间图
%matplotlib notebook
import pandas as pd
import numpy as np
import statsmodels.stats.api as sms
import matplotlib.pyplot as plt
s= np.random.normal(0,1,2000)
# s= range(10,14) <---this sample has the
浏览 2提问于2018-04-11得票数 2
回答已采纳
我目前正在尝试使用glm来创建一个剂量反应曲线。我能够创建曲线使用生物名义族和概率函数在glm内，但想要绘制的曲线使用‘s图，而不是R的基本绘图功能。当比较基本的图形和图形的时候，由as图产生的曲线是不正确的，我不知道如何使它与基本的图相同。另外，当用gg线图绘制曲线时，置信度区间是不正确的。谢谢你的帮助。
library(ggplot2)
library(Hmisc)
library(plyr)
library(MASS)
create dataframe:
#1) column is exposure concentration
#2) column is the total nu
浏览 1提问于2017-06-21得票数 2
回答已采纳
1回答
我知道有一种方法可以用方框图来绘制密度图，如下所示:基本上，在这幅图中，使用了中位数和四分位数。
然而，我无法找到如何表示每个密度图的均值&置信区间。我想知道是否有一种方法可以在x轴上绘制“均值和置信区间”线(而不是基于ggplot2的带中值和四分位数的方框图)。
我试图使用geom_errorbarh，但未能生成我想要看到的内容。
这是在sum_stat中保存的平均置信区间和95%置信区间计算的R码。
library(ggplot2)
library(ggridges)
library(grid)
library(reshape2)
library(ggstance)
li
浏览 1提问于2020-01-27得票数 4
回答已采纳
1回答
我有一个存在/缺勤响应变量的二项式glm和一个具有以下9个级别的因子变量：
data$y<-factor(data$y,levels=c(0,1),labels=c("absent","present"))
table(data$y,data$site_name)
Andulay Antulang Basak Dauin Poblacion District 1 Guinsuan Kookoo's Nest Lutoban Pier Lutoban South Malatapay Pier
absent 4
浏览 1提问于2016-02-06得票数 3
回答已采纳
1回答
我有这样的数据：
height <- c(1,2,3,4,2,4,6,8)
weight <- c(12,13,14,15,22,23,24,25)
type <- c("Wheat","Wheat","Wheat","Wheat","Rice","Rice","Rice","Rice")
set <- c(1,1,1,1,2,2,2,2)
dat <- data.frame(set,type,height,weight)
我在R中建立了
浏览 1提问于2017-09-05得票数 0
回答已采纳
当我在ggplot中绘制我的数据并添加一条回归线时，我得到了不同的斜率，这取决于哪个变量被定义为x和y。我以为这些图只是镜像，但它们不是。我是不是遗漏了什么？ # create example data
v1 <- c(0.5, 0.8, 0.8, 0.8, 0.7, 0.9, 0.8, 0.7, 0.8, 0.7, 0.5, 0.6, 0.6, 0.6, 0.7,
0.3, 0.5, 0.8, 0.9, 0.5, 0.8, 0.9, 0.8, 0.7, 0.6, 0.6, 0.8, 0.6, 0.4, 0.6)
v2 <- c(0.6, 0.9, 0.8, 0.8, 0
浏览 24提问于2019-02-27得票数 1
回答已采纳
通过coord_cartesian限制x范围会使stat_smooth创建的置信区间消失。
我注意到在R4.1.0中会发生这种情况，但在R4.0.2中则不会。我使用的ggplot2版本是3.3.5。
第一个图以阴影的形式显示了置信区间。第二个图应该在指定的范围内显示相同的置信区间。但是在R4.1.0中，阴影消失了。有没有人体验过？
library(ggplot2)
mtcars %>%
ggplot(aes(x = wt, y = mpg)) +
geom_point() +
stat_smooth()
mtcars %>%
ggplot(aes(x = wt,
浏览 1提问于2021-07-30得票数 5
3回答
我需要用有序多项logit回归的拟合残差值绘制一个二进制残差图。
如何在使用polr时提取残差？有没有其他函数可以运行other logit，在其中可以提取残差？
这是我使用的代码
options(contrasts = c("contr.treatment", "contr.poly"))
mod1 <- polr(as.ordered(y) ~ x1 + x2 + x3, data, method='logistic')
fit <- mod1$fitted.values
res <- residuals(mod1)
bi
浏览 0提问于2012-02-11得票数 4
我的时间序列在观察部分自相关( PACF )图时似乎有明显的滞后，即PACF值大于蓝色置信区间。我想通过编程验证这一点，但它似乎不起作用。
我用状态模型时间序列api绘制了PACF图，显示出第一个滞后是显著的。因此，我使用在每个点上获得PACF值和置信区间，但两者之间的置信区间不匹配。更奇怪的是，使用了基本的估计函数，因此它们都应该匹配。
示例：
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.api as sm
x = np.arange(1000)
sm.graphics.tsa.plot_pa
浏览 9提问于2020-05-17得票数 4
回答已采纳
例如，如果我有一个包含X和Y的数据集，我知道我可以通过confint(lm(Y~X))找到线性模型的置信区间，但我想知道是否有方法可以在给定X = somevalue的情况下找到Y的CI
浏览 1提问于2020-08-31得票数 0
我正在R中绘制两个条形图，其中一个条形图有置信度区间，并且遇到了position = "dodge“或position = position_dodge()根本不能移动条形图的问题。我在stackoverflow上看到了类似的问题，但它们似乎都不够好。 我的代码是： ggplot(data = Estimates.df, aes(x = Assets, y = Estimate, group = Estimate)) +
geom_bar(data = Estimates.df, aes(x = Assets, y = Estimate, group = Estimate, fi
浏览 103提问于2019-03-01得票数 1
回答已采纳
1回答
当我们使用具有各向同性平滑器的mgcv包绘制GAM模型时，我们有一个轮廓图，如下所示：
x轴用于一个预测器，y轴用于另一个预测器主要是一个函数s(x1，x2) (各向同性窒息)。
假设在这个模型中，我们有许多其他各向同性平滑器，如：
y ~ s(x1, x2) + s(x3, x4) + s(x5, x6)
我的怀疑是:当解释s(x1, x2)的等高线图时，其他各向同性平滑者会发生什么？他们是“固定在他们的中间”吗？我们能单独解释一个s(x1, x2)图吗？
浏览 3提问于2020-04-27得票数 0
回答已采纳
1回答
我有一个数据帧，其中包含4个样本的参数'likes, 'retweets', 'followers', 'pics'的均值的置信区间：ikke-aktant, laser, umbrella, mask。所有值都是一个包含置信区间的列表，例如[8.339078253365264, 9.023388831788864]，这是激光样本中点赞的置信区间。数据帧的图片可以在这里看到：https://imgur.com/a/NkDckII 我想把它画成一个海点图，其中y表示四个样本，x表示likes。 到目前为止，我有： ax = sns.poi
浏览 113提问于2021-04-29得票数 0
回答已采纳
即使所有数据点都是正的，我也得到了线性回归图的负置信度区间。为什么会发生这种情况？我相信这个负的置信区间也会影响我的R^2分数？ 使用的代码为： sns.regplot(x = 'Consumer Confidence Index_1', y = 'Sales (ALV
sources)', data = df_mx2)
plt.show() See graph pic here
浏览 148提问于2020-08-27得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
