pairwise_plot

(函数来自 pyomo.contrib.parmest.graphics)

pyomo.contrib.parmest.graphics.pairwise_plot(theta_values, theta_star=None, alpha=None, distributions=[], axis_limits=None, title=None, add_obj_contour=True, add_legend=True, filename=None)

绘制theta值的成对关系图，并可选择性地包括alpha水平的置信区间和目标值等高线

Parameters:

• theta_values (DataFrame 或 tuple) –

  • 如果 theta_values 是一个 DataFrame，那么它包含每个 theta 变量的一列 以及（可选的）一个目标值列（‘obj’）和包含置信区间测试布尔结果的列（使用 alpha 值标记）。 每一行是一个样本。

    • Theta 变量可以从 theta_est_bootstrap, theta_est_leaveNout, 和 leaveNout_bootstrap_test 计算得出。

    • 目标值可以使用 likelihood_ratio_test 计算得出。

    • 置信区间测试的结果可以使用 leaveNout_bootstrap_test, likelihood_ratio_test, 和 confidence_region_test 计算得出。

  • 如果 theta_values 是一个元组，那么它包含均值、协方差和样本数量 （mean, cov, n），其中 mean 是一个字典或 Series （按变量名索引），covariance 是一个 DataFrame（按变量名索引，每列一个变量名）， n 是一个整数。 均值和协方差用于创建 n 个 theta 值的多元正态样本。协方差可以使用 theta_est(calc_cov=True) 计算得出。

• theta_star (dict 或 Series, 可选) – theta的估计值。字典或Series按变量名索引。 Theta_star用于在2D中切片高维等高线间隔

• alpha (float, optional) – 置信区间值，如果提供了alpha值且分布列表为空，数据将通过True/False值进行过滤，使用列名等于alpha的值（参见leaveNout_bootstrap_test、likelihood_ratio_test和confidence_region_test的结果）

• distributions (list of strings, optional) – 用于定义置信区域的统计分布， 选项 = ‘MVN’ 表示多元正态分布，’KDE’ 表示高斯核密度估计，’Rect’ 表示矩形分布。 置信区间是一个二维切片，使用在 theta_star 处的线性插值。

• axis_limits (dict, optional) – 轴限制的格式为 {variable: [min, max]}

• title (string, optional) – 图表标题

• add_obj_contour (bool, optional) – 使用theta_values中的‘obj’列添加等高线图。 等高线图是一个2D切片，使用theta_star处的线性插值。

• add_legend (bool, optional) – 向图表添加图例

• filename (string, optional) – 用于保存图形的文件名