R包介绍系列-适用于回归模型可视化的visreg包

本文主要结束用visreg包对不同的回归模型进行可视化展现，涉及的回归模型主要有随机森林，支持向量机，广义最小二乘回归及普通多元回归模型。本文利用的数据集是R中自带的数据集iris。
首先导入所需要的包，如果没有的话可以直接用install.packages("包名字")来进行安装。

library(visreg) #模型可视化
library(ggplot2)
library(e1071) #支持向量机
library(randomForest) #随机森林

查看数据关系

GGally::ggpairs(iris)

数据展示.jpg

支持向量回归的可视化化

fit_svm <- svm(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width+Species, data = iris)
par(mfrow = c(2, 2))  ##四个变量一起看
visreg(fit_svm)
visreg(fit_svm, "Sepal.Width", gg = TRUE, ylab = "Sepal.Length")#单个变量

SVM.jpg

SVM_single.jpg

随机森林回归的可视化

fit_rb <- randomForest(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width+Species, data = iris)
par(mfrow = c(2, 2))  ##四个变量一起看
visreg(fit_rb)

rb.jpg

广义最小二乘回归的可视化

fit_glm <- glm(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width+Species, data = iris)
par(mfrow = c(2, 2))  ##四个变量一起看
visreg(fit_glm)

glm.jpg

普通多元回归的可视化

fit_mlm <- lm(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width+Species, data = iris)
par(mfrow = c(2, 2))  ##四个变量一起看
visreg(fit_mlm)

更多需求，请查看个人介绍