Jak wykreślić przewidywane wartości w r (z przykładami)

Często możesz chcieć wykreślić przewidywane wartości modelu regresji w R, aby zwizualizować różnice między wartościami przewidywanymi a wartościami rzeczywistymi.

Ten samouczek zawiera przykłady tworzenia tego typu wykresów w R i ggplot2.

Przykład 1: wykreślenie wartości przewidywanych i rzeczywistych w bazie R

Poniższy kod pokazuje, jak dopasować model regresji liniowej w języku R, a następnie utworzyć wykres wartości przewidywanych i rzeczywistych:

 #create data
df <- data. frame (x1=c(3, 4, 4, 5, 5, 6, 7, 8, 11, 12),
                 x2=c(6, 6, 7, 7, 8, 9, 11, 13, 14, 14),
                 y=c(22, 24, 24, 25, 25, 27, 29, 31, 32, 36))

#fit multiple linear regression model
model <- lm(y ~ x1 + x2, data=df)

#plot predicted vs. actual values
plot(x=predict(model), y=df$y,
     xlab=' Predicted Values ',
     ylab=' Actual Values ',
     main=' Predicted vs. Actual Values ')

#add diagonal line for estimated regression line
abline(a= 0 , b= 1 )

Oś X wyświetla przewidywane wartości z modelu, a oś Y wyświetla rzeczywiste wartości ze zbioru danych. Ukośna linia pośrodku wykresu to szacowana linia regresji.

Ponieważ każdy z punktów danych leży dość blisko szacowanej linii regresji, mówi nam to, że model regresji całkiem dobrze dopasowuje dane.

Możemy również utworzyć ramkę danych, która wyświetla rzeczywiste i przewidywane wartości dla każdego punktu danych:

 #create data frame of actual and predicted values
values <- data. frame (actual=df$y, predicted=predict(model))

#view data frame
values

   actual predicted
1 22 22.54878
2 24 23.56707
3 24 23.96341
4 25 24.98171
5 25 25.37805
6 27 26.79268
7 29 28.60366
8 31 30.41463
9 32 33.86585
10 36 34.88415

Przykład 2: Wykreślanie wartości przewidywanych i rzeczywistych w ggplot2

Poniższy kod pokazuje, jak utworzyć wykres wartości przewidywanych i rzeczywistych za pomocą pakietu wizualizacji danych ggplot2 :

 library (ggplot2) 

#create data
df <- data. frame (x1=c(3, 4, 4, 5, 5, 6, 7, 8, 11, 12),
                 x2=c(6, 6, 7, 7, 8, 9, 11, 13, 14, 14),
                 y=c(22, 24, 24, 25, 25, 27, 29, 31, 32, 36))

#fit multiple linear regression model
model <- lm(y ~ x1 + x2, data=df)

#plot predicted vs. actual values
ggplot(df, aes (x=predict(model), y=y)) + 
  geom_point() +
  geom_abline(intercept= 0 , slope= 1 ) +
  labs(x=' Predicted Values ', y=' Actual Values ', title=' Predicted vs. Actual Values ')

Ponownie oś X pokazuje przewidywane wartości z modelu, a oś Y pokazuje rzeczywiste wartości ze zbioru danych.

Dodatkowe zasoby

Jak utworzyć wykres rezydualny w R
Jak utworzyć histogram reszt w R
Jak obliczyć reszty standaryzowane w R