에 대한 하나의 예측 변수 부분 종속성 그림 MARS^® 회귀 분석

x₁, x_2,, ..., x_m 로 표시된 학습 데이터 집합에 m 예측 변수가 있다고가정합니다. 먼저, 학습 데이터 집합에서 예측 변수 X₁ 의고유 값을 오름차순으로 정렬합니다. x ₁₁ 을 x₁ 의첫 번째 고유 값으로 나타냅니다. x_1N 을 X₁의 마지막 고유 값으로 표시합니다. 그런 다음 x₁₁은 그림의 왼쪽 지점에 대한 x 좌표입니다.

또한 모델에 다음과 같은 회귀 방정식이 있다고 가정합니다.

Y = 1000 - 5 * BF1 + 3 * BF2

마지막으로 x₁₁ = 400이고 균등하게 분포된 점의 최소 피팅이 100이라고 가정합니다.

X₁ 에 대한 부분 종속성 그림의 y 좌표를 찾으려면 X₁을포함하는 기저 함수만 고려하십시오. 그런 다음 X₁ 에 대한 기저 함수 만 고려하는 x₁₁ 에 대한 피팅은 다음과 같습니다.

1000 − 5 * (최대(0, 400 - 350)) = 1000 − 5*50 = 750.

그러면 x₁₁ 의 y 좌표는 750 - 100 = 650입니다.

x₁₁ 을 X₁ 에서 X_N까지 균등하게 분포 된 값으로 바꾸면 플롯의 나머지 점에 대한 y 좌표를 얻습니다. 이러한 점을 통해 플롯의 y 좌표를 자세히 조사할 수 있습니다. 플롯의 패턴은 기저 함수가 변경되는 점을 연결하는 선이 있는 플롯과 거의 같습니다. 나머지 예측 변수에 대한 계산도 유사하게 수행됩니다.