将序数预测变量与连续结果之间的关系可视化的最佳方法是什么？
到目前为止，我有以下内容，但我觉得缺少这个......
我对其建模的方式是将序数预测变量视为区间而不是分类。如果这不是处理此类数据的最佳方式，我将不胜感激。
如何可视化预测连续结果的序数变量？
机器算法验证
数据可视化
序数数据
2022-04-04 23:02:18
4个回答
这样做的问题是无法知道有多少点聚集在一起。我见过的两个解决方案：
箱形图
如果数据点聚集在一起，这会给你更紧密的盒子。
气泡图
不确定这是否是正式名称，但基本上你将垂直轴放入 bin 中。气泡的大小取决于有多少观察值落入该箱中。
你展示的情节很不错。但我认为您可以通过显示所有数据点来进一步提高数据墨水比（由Edward Tufte发明）。您可以通过向 x 轴添加抖动来完成此操作。
另一个改进是强调序数变量是分类的而不是连续的。您可以通过为不同的级别使用不同的颜色来做到这一点。
作为一个例子，我在 R 中绘制了 Titanic 数据集，使用乘客类别作为序数变量，乘客年龄作为连续变量。
library(tidyverse)
library(ggplot2)
library(titanic)
df <- titanic_train %>% mutate(Class=factor(Pclass))
ggplot(df, aes(Class, Age, color=Class)) +
geom_jitter(height = 0) +
ggtitle("Titanic passenger age vs. class")
如上图所示，明确显示中位数和四分位数范围是可选的。
引用维基百科：
小提琴图类似于箱线图，除了它们还显示不同值的数据的概率密度，通常由核密度估计器平滑。
小提琴图比普通的箱形图更能提供信息。箱线图仅显示汇总统计数据，例如平均值/中位数和四分位间距，而小提琴图则显示了数据的完整分布。当数据分布是多峰的（多于一个峰）时，这种差异特别有用。
类似的替代方法是堆叠直方图或密度估计器：
在您的散点图中，我会在每个唯一 X 值处添加一个表示平均 Y 值的大点，并执行以下一项或多项操作：
- 平方根（或立方根）变换您的 Y 轴。与对数转换不同，这两种转换都可以处理零。立方根也可以处理负数。
- 使点有点透明。
- 如果前面的步骤不充分，请在 X 轴值上添加一点抖动。
正如 Glen_b 所指出的，目前没有足够的信息来决定添加线性回归线是否有意义。