Ein Log-Log-Diagramm ist ein Diagramm, das sowohl auf der x-Achse als auch auf der y-Achse logarithmische Skalen verwendet.
Diese Art von Diagramm ist nützlich, um zwei Variablen zu visualisieren, wenn …
Die Funktion abline() in R kann verwendet werden, um einem Diagramm in R eine oder mehrere gerade Linien hinzuzufügen. Die grundlegende Syntax von abline() lautet wie folgt:
abline(a = NULL, b = NULL, h = NULL, v = NULL,…)
Eine vollständige Dokumentation der Funktion abline() finden Sie auf der Seite R-Dokumentation.
Der Grundcode zum Hinzufügen einer horizontalen Linie zu einem Diagramm in R lautet:
abline(h = ein Wert)
Angenommen, wir haben das folgende Streudiagramm, in dem die Werte für x und y in einem Datensatz angezeigt werden:
#Datensatz definieren
data <- data.frame(x = c(1, 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10, 11, 11),
y = c(13, 14, 17, 12, 23, 24, 25, 25, 24, 28, 32, 33, 35, 40, 41))
#plotten Sie die x- und y- Werte im Datensatz
plot(data$x, data$y, pch = 16)
Um eine horizontale Linie mit dem Wert y = 20 hinzuzufügen, können Sie den folgenden Code verwenden:
Beachten Sie, dass lwd = 2 angibt, dass die Linienbreite gleich 2 sein soll (Standard = 1).
abline(h = 20, col = 'coral2', lwd = 2)
Der folgende Code zeigt, wie eine horizontale durchgezogene Linie zum Mittelwert von y zusammen mit zwei horizontalen gestrichelten Linien bei einer Standardabweichung über und unter dem Mittelwert hinzugefügt wird:
Beachten Sie, dass lty = 2 angibt, dass die Linie gestrichelt sein soll.
# Streudiagramm für x und y erstellen
plot(data$x, data$y, pch = 16)
#Erstellen Sie eine horizontale Linie mit dem Mittelwert von y
abline(h = mean(data$y), lwd = 2)
#Erstellen Sie horizontale Linien mit einer Standardabweichung über und unter dem Mittelwert
abline(h = mean(data$y) + sd(data$y), col = 'steelblue', lwd = 3, lty = 2)
abline(h = mean(data$y) - sd(data$y), col = 'steelblue', lwd = 3, lty = 2)
Der grundlegende Code zum Hinzufügen einer vertikalen Linie zu einem Diagramm in R lautet: abline(v = ein Wert)
Der folgende Code veranschaulicht das Hinzufügen einer vertikalen Linie zum Mittelwert eines Histogramms:
#Machen Sie dieses Beispiel reproduzierbar
set.seed(0)
# Datensatz mit 1000 Zufallswerten erstellen, die normalerweise mit Mittelwert = 10, sd = 2 verteilt sind
data <- rnorm(1000, mean = 10, sd = 2)
# Histogramm der Datenwerte erstellen
hist(data, col = 'steelblue')
# Zeichnen Sie eine vertikale gestrichelte Linie zum Mittelwert
abline(v = mean(data), lwd = 3, lty = 2)
Der grundlegende Code zum Hinzufügen einer einfachen linearen Regressionslinie zu einem Diagramm in R lautet: abline(reg_model)
Dabei ist reg_model eine angepasste Regressionslinie, die mit der Funktion lm() erstellt wurde.
Der folgende Code veranschaulicht das Hinzufügen einer angepassten linearen Regressionslinie zu einem Streudiagramm:
#Datensatz definieren
data <- data.frame(x = c(1, 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10, 11, 11),
y = c(13, 14, 17, 12, 23, 24, 25, 25, 24, 28, 32, 33, 35, 40, 41))
#Streudiagramm mit x- und y- Werten erstellen
plot(data$x, data$y, pch = 16)
#Passen Sie ein lineares Regressionsmodell an die Daten an
reg_model <- lm(y ~ x, data = data)
# Fügen Sie die angepasste Regressionslinie zum Streudiagramm hinzu
abline(reg_model, col="steelblue")
Beachten Sie, dass wir einfach einen Wert für den Achsenabschnitt und die Steigung benötigen, um eine einfache lineare Regressionslinie mit der Funktion abline() an die Daten anzupassen. Eine andere (wenn auch langwierigere) Möglichkeit, abline() zum Hinzufügen einer Regressionslinie zu verwenden, besteht darin, die Achsenabschnitt- und Steigungskoeffizienten des Regressionsmodells explizit anzugeben:
#Datensatz definieren
data <- data.frame(x = c(1, 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10, 11, 11),
y = c(13, 14, 17, 12, 23, 24, 25, 25, 24, 28, 32, 33, 35, 40, 41))
# Streudiagramm mit x- und y- Werten erstellen
plot(data$x, data$y, pch = 16)
#Passen Sie ein lineares Regressionsmodell an die Daten an
reg_model <- lm(y ~ x, data = data)
#Schnittpunkt- und Steigungswerte definieren
a <- coefficients(reg_model)[1] #intercept
b <- coefficients(reg_model)[2] #slope
#Fügen Sie die angepasste Regressionslinie zum Streudiagramm hinzu
abline(a=a, b=b, col="steelblue")
Beachten Sie, dass dies dieselbe Zeile wie zuvor erzeugt.
Ein Log-Log-Diagramm ist ein Diagramm, das sowohl auf der x-Achse als auch auf der y-Achse logarithmische Skalen verwendet.
Diese Art von Diagramm ist nützlich, um zwei Variablen zu visualisieren, wenn …
Bei der Verwendung von Klassifizierungsmodellen beim maschinellen Lernen verwenden wir häufig zwei Metriken, um die Qualität des Modells zu bewerten, nämlich Präzision und Erinnerung.
Precision: Korrigieren Sie positive Vorhersagen im …