WOLFRAM

Wolfram 语言与系统 参考资料中心
Wolfram 语言首页 »

FeatureValueImpactPlot
✖
FeatureValueImpactPlot

✖

绘制 data 中给定特征的值对 model 结果的影响.

✖

使用合成数据估计特征值的影响.

✖
FeatureValueImpactPlot[modelfname,…]

只绘制指定特征 fname 的影响.

✖
FeatureValueImpactPlot[modelfnameclass,…]

只绘制对分类 class 的影响.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (2)常见实例总结

在样本数据集上训练线性回归：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-xqrjbu
Out[1]=1
In[2]:=2
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-682w36
Out[2]=2

可视化输入特征对平均模型结果的影响：

In[4]:=4
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-lfn4vh
Out[4]=4

将绘图与平均值和预测之间的数值偏差进行比较：

In[5]:=5
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-h99o6n
Out[5]=5

训练分类器从植物的某些特征中识别鸢尾属植物：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-53uko4
Out[1]=1
In[2]:=2
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-y50g8l
Out[2]=2

可视化特征值如何影响每个类别的几率

In[3]:=3
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-89lqg4
Out[3]=3

范围  (4)标准用法实例范围调查

可视化对预测的累积影响：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-nrlvza
Out[1]=1
In[2]:=2
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-2i49br
Out[2]=2

可视化对分类的累积影响：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-cqcw2v
Out[1]=1
In[2]:=2
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-fplg40
Out[2]=2

用合成数据计算影响：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-7kpbp9
Out[1]=1
In[2]:=2
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-vm1rf6
Out[2]=2

可视化对特定分类的影响：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-4knug0
Out[1]=1
In[2]:=2
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-u9p7rd
Out[2]=2

可视化对一组类别的影响：

In[3]:=3
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-3w1c0n
Out[3]=3

选项  (12)各选项的常用值和功能

AspectRatio  (1)

根据实际绘图选择高宽比：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-g6xe8k
Out[1]=1

AxesLabel  (1)

指定每个轴的标签：

In[3]:=3
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-mlw5uz
Out[3]=3

AxesStyle  (1)

改变坐标轴的样式：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-223wd1
Out[1]=1

Frame  (2)

在绘图周围绘制边框：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-2aqpdp
Out[1]=1

在左侧和右侧绘制边框：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-go6hxx
Out[1]=1

FrameLabel  (2)

在绘图的底部边框上放置标签：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-ii0bll
Out[1]=1

在每个边上都放置标签：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-iv0vxo
Out[1]=1

Filling  (1)

在 "stem" 填充时使用符号或明确的值：

In[3]:=3
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-9btkx8
Out[3]=3
In[4]:=4
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-lnbxuk
Out[4]=4

MaxPlotPoints  (1)

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-r0i7y7
In[2]:=2
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-x0ay1l
Out[2]=2
In[3]:=3
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-str4kp
Out[3]=3

PlotLabel  (1)

默认情况下，对绘图进行标注：

In[4]:=4
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-1jl5xx
In[5]:=5
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-49cxka
Out[5]=5

不对绘图进行标注：

In[6]:=6
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-qwqqso
Out[6]=6

PlotLegends  (1)

默认情况下，基于输出的类别给出图例：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-rt8gkl
Out[1]=1
In[2]:=2
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-r50oyt
Out[2]=2

不使用图例：

In[3]:=3
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-35az0c
Out[3]=3

用占位符文字作为图例：

In[4]:=4
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-6fwdl4
Out[4]=4

用指定标签作为图例：

In[5]:=5
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-8gv0nc
Out[5]=5

PlotStyle  (1)

默认情况下，为多个曲线选择不同的样式：

In[11]:=11
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-q030nv
In[12]:=12
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-3rdzby
Out[12]=12

明确指定不同曲线的样式：

In[13]:=13
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-laso2r
Out[13]=13

应用  (1)用该函数可以解决的问题范例

分析不同的模型如何受特征变化的影响：

In[1]:=1
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-z0alw7

训练一个线性模型来预测由两个特征的非线性组合给出的值：

In[3]:=3
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-i163xk
Out[3]=3

不出所料，每个特征的影响仅取决于该特征值：

In[10]:=10
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-zubws3
Out[10]=10

在同样的数据上训练非线性模型：

In[5]:=5
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-01aqvk
Out[5]=5

现在，取决于样例中的其他特征，同样的特征值可能会产生不同的影响：

In[9]:=9
✖
https://wolfram.com/xid/0d4jqbyvgynop95e-yipahs
Out[9]=9
Wolfram Research (2022)，FeatureValueImpactPlot，Wolfram 语言函数，https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html.
✖
Wolfram Research (2022)，FeatureValueImpactPlot，Wolfram 语言函数，https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html.

文本

Wolfram Research (2022)，FeatureValueImpactPlot，Wolfram 语言函数，https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html.

✖
Wolfram Research (2022)，FeatureValueImpactPlot，Wolfram 语言函数，https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html.

CMS

Wolfram 语言. 2022. "FeatureValueImpactPlot." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html.

✖
Wolfram 语言. 2022. "FeatureValueImpactPlot." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html.

APA

Wolfram 语言. (2022). FeatureValueImpactPlot. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html 年

✖
Wolfram 语言. (2022). FeatureValueImpactPlot. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html 年

BibTeX

@misc{reference.wolfram_2025_featurevalueimpactplot, author="Wolfram Research", title="{FeatureValueImpactPlot}", year="2022", howpublished="\url{https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html}", note=[Accessed: 10-May-2025 ]}

✖
@misc{reference.wolfram_2025_featurevalueimpactplot, author="Wolfram Research", title="{FeatureValueImpactPlot}", year="2022", howpublished="\url{https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html}", note=[Accessed: 10-May-2025 ]}

BibLaTeX

@online{reference.wolfram_2025_featurevalueimpactplot, organization={Wolfram Research}, title={FeatureValueImpactPlot}, year={2022}, url={https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html}, note=[Accessed: 10-May-2025 ]}

✖
@online{reference.wolfram_2025_featurevalueimpactplot, organization={Wolfram Research}, title={FeatureValueImpactPlot}, year={2022}, url={https://reference.wolfram.com/language/ref/FeatureValueImpactPlot.html}, note=[Accessed: 10-May-2025 ]}