visreg：带你玩遍模型可视化

作者： 厚缊 ，中观经济咨询助理研究员，业余数据科学爱好者。博客： houyun.xyz

简单介绍

统计建模一直是数据分析的核心模块，一般情况下，学术期刊上都是用数据表进行汇报，具有专门的统计训练的人，能很快理解各个变量之间的关系。但是，并不是所有的报告都面向专业人士，所以能用最通俗易懂的统计图形呈现估计结果，会让更多的人理解模型分析结果。

接下来，要介绍的就是 visreg 包，这个包简单易用，几乎支持了所有的回归分析模型，同时支持各种各样的 ggplot2 包提供的 geom_* 图层和其他扩展主题，是进行模型可视化的利器。

使用之前，请先安装必要的包。

if(!require(visreg)){ install.packages("visreg") }

为了使用 ggplot2 引擎，需要安装相应的扩展包。

if(!require(ggplot2)){ install.packages("ggplot2") }

生成本文所需的数据

利用R语言随机数，模拟生成了100个样本的玩具数据，这里只是方便理解 visreg 包提供的可视化函数，变量之间的逻辑关系和分布并没有严格考虑（主要还是对统计模型一知半解）。

set.seed(20180730) x1 <- rnorm(100) x2 <- rnorm(100, sd = 2) x3 <- rnorm(100, sd = 1.7) + 0.3 cat <- sample(c(0, 1), 100, replace = TRUE) e <- rnorm(100, mean = 2, sd = 1) y0 <- 2 + 0.5 * x1 + 2.4 * x2 + 1.2 * x1 * x2 + e y1 <- 0.8 + 1.7 * x1 + 1.4 * x2 + 0.5 * x1 * x2 + e y <- ifelse(cat == 0, y0, y1) data <- data.frame(y, x1, x2, x3, cat = as.factor(cat))

各个变量之间关系如下图所示：

GGally::ggpairs(data)

## 需要安装GGally包，没安装请运行install.packages('GGally')

回归模型可视化

模型估计

visreg 进行模型可视化需要先对模型进行估计，然后把模型估计结果作为参数传入 visreg() 函数。下面我们简单估计了四个模型，后文会断断续续用到。

reg01 <- lm(y ~ x1 + x2 + x3 + cat, data = data) reg02 <- lm(y ~ x1 + x2 + x1 * x2 + x3 + cat, data = data) reg_cat0 <- lm(y ~ x1 + x2 + x1 * x2 + x3, data = data[data$cat == 0, ]) reg_cat1 <- lm(y ~ x1 + x2 + x1 * x2 + x3, data = data[data$cat == 1, ]) texreg::htmlreg(list(reg01, reg02, reg_cat0, reg_cat1), single.row = TRUE)

Statistical models

## 需要texreg包，没安装请运行install.packages('texreg')

可视化

visreg 包对单变量可视化时非常简洁， visreg() 一条命令解决所有烦恼。默认在图中会显示出因变量、自变量之间的拟合直线、的置信区间以及原数据散点图。

visreg() 前两个参数分别为 fit 和 xvar ，前者为模型估计结果，后者为需要绘图的自变量。当不指定 xvar 参数时，会依次绘制因变量和所有自变量之间的关系图。

library(visreg) par(mfrow = c(2, 2)) ##reg01模型中有四个变量，设置为2 x 2的图 visreg(reg01)

通过设置 xvar 参数来绘制指定自变量关系图。

visreg(reg01, "x1")  ##注意，变量名一定要用引号括起来，不然会报错

除了可以对数值变量进行可视化外，也可以对虚拟变量进行可视化，参数设置规则跟数值变量一样。这里的虚拟变量是R中的因子（ factor ）类，当原数据中是字符串向量时， lm() 函数默认转换为因子进行估计。

visreg(reg01, "cat")

当然，可以根据某个条件将数据分组，然后每组的因变量和自变量之间的关系图。比如，我们的数据中有一个 cat 变量，是一个二值虚拟变量，我们根据 cat 把数据拆分成两组，在 visreg() 函数中设置条件变量 by = "cat" 来完成全部设置。

visreg(reg01, "x1", by = "cat")

当分组变量是连续性变量时，可以 breaks 参数控制该变量被分成的组数。 layout=c(2,2) 和par(mfrow = c(2,2))作用类似，控制作图排列方式。

visreg(reg01, "x1", by = "x2", breaks = 4, layout = c(2, 2))

默认的分组图是根据给定条件进行分面（facet），类似于 ggplot2 包中的 facet_grid() 和 facet_wrap() 函数，可以设置 overlay = TRUE 在同一幅图中通过图层叠加进行展示。

visreg(reg01, "x1", by = "cat", overlay = TRUE)

双变量可视化

此处的双变量是指两个自变量的情况， visreg 包默认采用2.5D热图呈现的，颜色差别代表了因变量值得差异，横纵坐标分别表示两个自变量。

下面我们在一幅图上展现 y 和 x1 、 x2 变量之间的关系。此时需要用到 visreg2d() 函数，与 visreg() 类似，第一个参数任然是估计模型，第二、三个参数分别为 xvar 、 yvar ，分别表示横纵坐标。

visreg2d(reg02, "x1", "x2")

visreg2d() 函数有个 plot.type 参数来控制绘图类型。设置参数 plot.type="persp" 时是绘制3D表面图。

visreg2d(reg02, "x1", "x2", plot.type = "persp")

也可以通过设置参数 plot.type="rgl" 使用 rgl 包绘制3D图。

visreg2d(reg02, "x1", "x2", plot.type = "rgl")  ##偷个懒，没有截图展示结果

使用 ggplot2 绘图引擎

visreg 包默认底层使用的是R语言基本绘图函数 plot() 作为引擎，但可以设置参数 gg = TRUE 来使用 ggplot2 绘图引擎。

visreg(reg01, "x1", gg = TRUE)

和基本绘图函数 plot() 一样，我们也可以向 visreg() 中传递参数，调整各种绘图细节。这里我们把线条颜色设置为红色（ "red" ），置信区间阴影设置为绿色（ "green" ），散点大小为3（ size=3 ，样式为21（ pch=21 ）。

visreg(reg01, "x1", gg = TRUE, line = list(col = "red"), fill = list(fill = "green"), points = list(size = 3, pch = 21))

使用 ggplot() 绘图引擎时，可以方便的添加 ggplot2 包中的 geom_*() 图层。比如，我们可以在上图中添加局部平滑（smooth）拟合曲线。

library(ggplot2)  ##加载`ggplot2`包visreg(reg01, "x1", gg = TRUE) + geom_smooth(method = "loess", col = "blue",     fill = "#FF4E37")

既然能使用 ggplot2 的图层，自然也可以使用 ggthemes 提供的各种样式。

PS:我自己使用的感觉， visreg() 和直接用 ggplot() 函数绘制的图形有较大区别，即使使用相同样式。

library(ggthemes) visreg(reg01, "x1", gg = TRUE) + geom_smooth(method = "loess", col = "blue", fill = "#FF4E37") + theme_economist()

其它模型可视化

visreg 包不仅可以做普通最小二乘回归结果的可视化，同时还支持广义最小二乘回归、随机森林模、支持向量机等其它模型。

广义最小二乘回归可视化

广义最小二乘和普通最小二乘回归可视化几乎一样，下面通过一个简单的例子进行说明。

data("birthwt", package = "MASS") fit <- glm(low ~ age + race + smoke + lwt, data = birthwt, family = "binomial") visreg(fit, "lwt", gg = TRUE, xlab = "Mother's weight", ylab = "Log odds (low birthweight)")

visreg() 函数默认纵轴为对数几率比，横轴为给定自变量。有时候直接呈现因变量的估计概率会更直观。可以通过 scale="response" 来改变默认行为。

data("birthwt", package = "MASS") fit <- glm(low ~ age + race + smoke + lwt, data = birthwt, family = "binomial") visreg(fit, "lwt", scale = "response", gg = TRUE, xlab = "Mother's weight", ylab = "P(low birthweight)")

随机森林等算法可视化

visreg 包主要目的是解决回归模型可视化问题，但也适用于其它任何基于 formula 类，并且提供了 predict() 方法的模型可视化。接下来通过几个实例来进行说明。

随机森林模型

library(randomForest) aq <- na.omit(airquality) fit <- randomForest(Ozone ~ Solar.R + Wind + Temp, data = aq) visreg(fit, "Temp", gg = TRUE, ylab = "Ozone")

支持向量机模型

library(e1071) fit <- svm(Ozone ~ Solar.R + Wind + Temp, data = aq) visreg(fit, "Temp", ylab = "Ozone")

梯度下降模型

由于 gbm 包没有提供 residuals 方法，所以该包的梯度下降模型可视化不能显示残差散点。我们可以进行自定义该方法。

residuals.gbm <- function(fit) { fit$data$y - fit$fit }

定义完后再调用 visreg() 函数就能绘制残差散点了。

library(gbm) fit <- gbm(Ozone ~ Solar.R + Wind + Temp, data = aq, distribution = "gaussian") visreg(fit, "Temp", ylab = "Ozone")

——————————————

往期精彩：

• 真实经历，互联网大厂升职加薪那些事

• 报错：一个由Error引发的思考

• 如何通过R建立流程图：DiagrammeR

• R语言中文社区2018年终文章整理（作者篇）

• R语言中文社区2018年终文章整理（类型篇）

天善智能 每日一道算法题，打卡学习 小程序

本文由R语言中文社区 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者，并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。