Bayesian
如何可視化邏輯回歸的貝葉斯擬合優度
對於貝葉斯邏輯回歸問題，我創建了一個後驗預測分佈。我從預測分佈中採樣，並為我擁有的每個觀察結果接收數千個 (0,1) 樣本。可視化擬合優度並不有趣，例如：
該圖顯示了 10 000 個樣本 + 觀察到的基準點（左側可以畫出一條紅線：是的，這就是觀察結果）。問題是這個圖幾乎沒有提供信息，我將有 23 個，每個數據點一個。
有沒有更好的方法來可視化 23 個數據點以及後驗樣本。
另一種嘗試：
基於論文here的另一種嘗試
我有一種感覺，您並沒有完全放棄所有商品來適應您的情況，但是鑑於我們面前的情況，讓我們考慮使用簡單的點圖來顯示信息的實用性。
唯一不在這裡的（可能不是默認行為）是：
- 我利用冗餘編碼、形狀和顏色來區分觀察到的無缺陷值和缺陷值。有了這樣簡單的信息，就不需要在圖表上放置一個點。當點接近中間值時，您也會遇到問題，需要更多查找才能查看觀察值是零還是一。
- 我根據觀察到的比例對圖形進行了排序。
排序是像這樣的點圖的真正推動者。此處按比例值排序有助於輕鬆發現高殘差觀察值。擁有一個系統，您可以輕鬆地按包含在情節中或案例的外部特徵中的值進行排序，這是獲得收益的最佳方式。
該建議也適用於連續觀察。您可以根據殘差是負數還是正數對點進行著色/整形，然後根據絕對（或平方）殘差調整點的大小。儘管由於觀察值的簡單性，這在 IMO 中是不必要的。
