# plotInteraction
绘制线性回归模型中两个预测变量的交互效应
函数库: TyMachineLearning
# 语法
plotInteraction(mdl, var1, var2)
plotInteraction(mdl, var1, var2, Name=Value)
# 说明
plotInteraction(mdl, var1, var2) 创建了线性回归模型 mdl 中两个选定预测变量 var1 和 var2 的主要影响及其条件影响的图。通过影响值的水平线表示它们的95%置信区间。
# 示例
主效应和条件效应的相互作用图
加载 carsmall_edit 数据集，并训练一个线性模型。使用 plotInteraction 查看预测变量之间的交互效应。
加载数据集：
using TyPlot
using DataFrames
using TyMachineLearning
using CSV
car_file = joinpath(pkgdir(TyMachineLearning), "data/Regression/carsmall_edit.csv")
car = CSV.read(car_file, DataFrame)
data = Matrix(car)
X, y = data[:, 1:(end - 1)], data[:, end]
训练线性模型：
mdl = fitlm(X, y)
查看预测变量
plotInteraction(mdl, 2, 3)
# 输入参数
mdl - 线性回归模型线性回归模型
使用 fitlm(X,y) 或 stepwiselm(X,y,__) 创建的线性回归模型。
数据类型: 线性回归模型
var1 - 绘图的第一个预测变量整型
绘图的第一个预测变量，表示 mdl 中预测变量索引的正整数。var1=1 表示 mdl 中的第一个预测变量。
数据类型: Int64
var2 - 绘图的第二个预测变量整型
绘图的第二个预测变量，表示 mdl 中预测变量索引的正整数。var2=1 表示 mdl 中的第一个预测变量。
数据类型: Int64
# 名称-值对组参数
指定可选的、以逗号分隔的 Key=Value 对组参数。Key 为参数名称，Value 为对应的值。您可采用任意顺序指定多个名称-值对组参数，如 Key1=Value1,...,KeyN=ValueN 所示。
示例：
ptype - 绘图类型"effect" （默认） | 字符串
绘图类型，指定为以下几种：
- "effect": 创建两个选定预测变量 var1 和 var2 的主效应及其条件效应的图。通过效应值的水平线表示它们的 95% 置信区间。
数据类型: String"
# 输出参数
fig - 线性回归模型中两个预测变量的交互效应图图表
返回一个使用 TyPlot 工具箱绘制的线性回归模型中两个预测变量的交互效应图。