一个预测变量部分依赖图 MARS^® 回归

假设训练数据集中有 m 个预测变量，表示为 X₁、X₂、...、X_m。首先，按升序对训练数据集中预测变量 X₁ 的可区分值进行排序。将 x₁₁ 表示为 X₁ 的第一个可区分值。将 x_1N 表示为 X₁的最后一个非重复值。则 x₁₁ 是图最左端的 x 坐标。

还假设模型具有以下回归方程：

Y = 1000 - 5 * BF1 + 3 * BF2

最后，假设 x₁₁ = 400，并且均匀分布点的最小拟合为 100。

要查找 X₁ 的部分依赖图的 y 坐标，请仅考虑涉及X₁的基函数。那么只考虑 X₁ 的基函数的 x₁₁ 的拟合来自：

1000 − 5 * （max（0， 400 - 350）） = 1000 − 5*50 = 750。

那么 x₁₁ 的 y 坐标是 750 - 100 = 650。

将 x₁₁ 替换为从 X₁ 到 X_N的均匀分布值，我们得到图上其余点的 y 坐标。这些点允许您详细调查图上的 y 坐标。图上的模式与具有连接基函数变化的点的线的图大致相同。采用类似方式完成其余预测变量的计算。