Presentar gráficamente los resultados de un modelo multinomial

Question

Estoy trabajando con un montón de modelos multinomial y presenta las tablas de los coeficientes es llegar a ser bastante tedioso, ustedes saben de cualquier recursos que muestran cómo presentar dichos modelos gráficamente, por lo que todas las tablas podrían excluir o poner en un append ¿IX?

Answer 1

Lo que le interesa normalmente no es los coeficientes pero efectos probablemente marginales o algo similar. Aquí es un paquete que traza para usted: http://cran.r-project.org/web/packages/effects creo que apareció en la revista R, pero los ejemplos son bastante pintorescos.

Answer 2

• En caso de que usted está sin embargo interesados en los coeficientes,

• y su "grupo de los modelos" es igual a la otra (por ejemplo, de bootstrap o iterada/repetido de la validación cruzada, o el modelo de conjunto)

Entonces se podría trazar los coeficientes sobre la variable aleatoria (boxplot, media ± desviación estándar, ...):

Por supuesto, si usted tiene sólo unas pocas variables, se puede resumir de la tabla a lo largo de estas líneas.

Además, usted puede multiplicar sus coeficientes con su (de prueba) elemento de datos sabio y parcela de los resultados sobre las variables. Esto puede dar una idea de que la variable aleatoria cómo contribuye fuertemente a que el resultado final (funciona ya con un solo modelo):

He estado usando esto para discutir LDA modelos (por eso el gráfico dice LD coeficiente), pero básicamente funciona de la misma mientras los puntajes (resultados en $\beta X$) puede ser llevado a tener el mismo significado en todos los modelos y hay un coeficiente para cada variable. Tenga en cuenta que yo trabajo con los datos espectroscópicos de los conjuntos, así que tengo la ventaja adicional de que las variables tienen un orden intrínseco con significado físico (la dimensión espectral, por ejemplo, la longitud de onda o número de onda, como en el ejemplo).

Si usted necesita más detalles, aquí está toda la historia.

Y he aquí un ejemplo de código (el conjunto de datos no es pre-procesado, por lo que el modelo probablemente no tiene mucho sentido)

library (hyperSpec) # I'm working with spectra 
                    # and use the chondro data set
## make a model
library (MASS)
model <- lda (clusters ~ spc, data = chondro$.) # this is a really terrible 
                                                # thing to do: the data set
                                                # has only rank 10!

## make the coefficient plot 
coef <- decomposition (chondro, t (coef (model)), scores = FALSE)
plot (coef, stacked = TRUE)

• decomposition hace un hyperSpec objeto a partir de los coeficientes. Si usted no está trabajando con los espectros, puede que desee trazar coef (model) directamente

• Si tengo más modelos, me parcela por ejemplo, media ± 1 desviación estándar de los coeficientes

Ahora la contribución de los espectros:

contributions <- lapply (1 : 2, 
   function (i) sweep (chondro, 2, coef [[i,]], `*`)
)
contributions <- do.call (rbind, contributions)
contributions$coef <- rep (1 : 2, each = nrow (chondro))

tmp <- aggregate (contributions, 
                  list (contributions$clusters, contributions$coef), 
                  FUN = mean_pm_sd)

cols <- c ("dark blue", "orange", "#C02020")
plotspc (tmp, stacked = ".aggregate", fill = ".aggregate", 
         col = rep (cols, 2))