เทคนิคที่ 049 · PYTHON / JAVASCRIPT

กราฟส่วนที่เหลือResidual Plot

ดูสิ่งที่โมเดลอธิบายไม่ได้ ไม่ใช่สิ่งที่อธิบายได้

4
ขั้นสูงควรรู้ก่อน · เข้าใจแนวคิดโมเดลถดถอย
ลองเล่น

01ภาพรวมของกราฟนี้

Residual plot วาดส่วนต่างระหว่างค่าจริงกับค่าที่โมเดลทำนาย เทียบกับค่าที่ทำนาย ถ้าโมเดลดี จุดควรกระจายสุ่มรอบเส้นศูนย์โดยไม่มีรูปแบบ ทุกรูปแบบที่ปรากฏคือสัญญาณว่าโมเดลยังจับอะไรไม่หมด

เปรียบเทียบให้เห็นภาพ

เหมือนตรวจงานที่ทำเสร็จแล้วโดยดูเฉพาะส่วนที่ผิด ถ้าความผิดกระจายแบบสุ่มก็แปลว่าทำดีแล้ว แต่ถ้าผิดเป็นรูปแบบเดิมซ้ำ ๆ แปลว่าเข้าใจอะไรผิดอยู่

ใช้ที่ไหนบ้าง — ตรวจโมเดลถดถอยก่อนนำไปใช้ หาว่าควรเพิ่มเทอมอะไรในโมเดล หรือตรวจว่าความแปรปรวนคงที่ไหม

สร้างอย่างไร

  1. ขั้นที่ 1สร้างโมเดลและคำนวณค่าที่ทำนาย
  2. ขั้นที่ 2หาส่วนต่างระหว่างค่าจริงกับค่าทำนาย
  3. ขั้นที่ 3วาดส่วนต่างเทียบค่าทำนาย
  4. ขั้นที่ 4มองหารูปแบบที่ไม่ควรมี

ตัวอย่างคลาสสิก · Residual plot เป็นขั้นตอนบังคับในการวินิจฉัยโมเดลถดถอย

ตำราสถิติทุกเล่มบรรจุการตรวจส่วนที่เหลือไว้เป็นขั้นตอนหลังสร้างโมเดลเสมอ เหตุผลคือค่าความพอดีสูงไม่ได้รับประกันว่าโมเดลถูกรูปแบบ ข้อมูลที่โค้งอาจให้ค่าความพอดีสูงกับเส้นตรงได้ และมีแต่การดูส่วนที่เหลือเท่านั้นที่เผยเรื่องนี้

NIST/SEMATECH e-Handbook · Residual plots ↗

02อธิบายภาษาคนเข้าใจง่าย ๆ

เวลาสร้างโมเดลแล้วได้ค่าความพอดีสูง เรามักคิดว่าเสร็จแล้ว แต่ค่าความพอดีเป็นตัวเลขเดียวที่สรุปทุกอย่าง จึงกลบข้อมูลสำคัญไว้เหมือนที่ค่าเฉลี่ยกลบการกระจาย

Residual plot ดูจากอีกด้าน คือดูเฉพาะส่วนที่โมเดลทำนายผิด ถ้าโมเดลจับรูปแบบในข้อมูลได้หมดแล้ว ส่วนที่เหลือควรเป็นแค่ความสุ่มที่ไม่มีรูปแบบอะไร

รูปแบบที่พบบ่อยและบอกอะไรชัดเจนมีสองแบบ แบบแรกคือจุดโค้งเป็นรูปตัวยู ซึ่งแปลว่าความสัมพันธ์จริงโค้งแต่เราใส่เส้นตรงลงไป

แบบที่สองคือจุดกระจายเป็นรูปกรวย คือแคบที่ปลายหนึ่งและกว้างที่อีกปลาย ซึ่งแปลว่าความแปรปรวนไม่คงที่ และทำให้ช่วงความเชื่อมั่นที่คำนวณได้ผิดทั้งหมด

สิ่งที่ทำให้กราฟนี้มีค่าคือมันบอกทิศทางการแก้ไขด้วย ไม่ได้บอกแค่ว่ามีปัญหา รูปตัวยูบอกให้เพิ่มเทอมกำลังสอง รูปกรวยบอกให้แปลงตัวแปรหรือใช้วิธีที่ทนต่อความแปรปรวนไม่คงที่

03ข้อมูลที่ต้องใช้

รูปทรงของข้อมูลตารางแบบยาว (หนึ่งแถวหนึ่งสังเกต)
จำนวนมิติที่เข้ารหัสได้2 มิติ
จำนวนแถวที่เหมาะ50–5,000 แถวขั้นต่ำ 25 แถว
เส้นฐานศูนย์ต้องเริ่มที่ศูนย์เส้นศูนย์คือเส้นอ้างอิงเดียวของกราฟนี้ ทุกอย่างอ่านเทียบกับมัน

คอลัมน์ที่ต้องเตรียม

คอลัมน์ทำหน้าที่ชนิดเข้ารหัสด้วยจำนวนค่าที่เหมาะหมายเหตุ
xตัวแปรอิสระตัวเลขต่อเนื่องxต่อเนื่องใช้คำนวณค่าที่โมเดลทำนาย
yค่าจริงตัวเลขต่อเนื่องyต่อเนื่องส่วนที่เหลือคือ y ลบด้วยค่าที่ทำนาย

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

  1. สร้างโมเดลและเก็บค่าที่ทำนายไว้
  2. คำนวณส่วนที่เหลือ
  3. ตัดสินใจว่าจะใช้ส่วนที่เหลือดิบหรือแบบปรับมาตรฐาน

ค่าที่หายไป — ใช้เฉพาะแถวที่โมเดลทำนายได้ และรายงานจำนวนที่ตัดออก

สเกลของแกน — แกนตั้งควรสมมาตรรอบศูนย์ เพื่อไม่ให้ความเบ้ของส่วนที่เหลือถูกซ่อนด้วยการจัดหน้า

กราฟจะเริ่มพังเมื่อไร

ต่ำกว่า 25 จุด รูปแบบที่เห็นอาจเป็นความบังเอิญ

หน้าตาไฟล์ที่ต้องเตรียม

x,y,group
19.98,44.98,กลุ่มเมือง
13.06,32.09,กลุ่มชานเมือง
…

04อ่านแล้วเห็นอะไร

สิ่งที่เห็นได้จากภาพ

  • รูปแบบโค้งที่แปลว่าโมเดลเชิงเส้นไม่พอ
  • รูปกรวยที่แปลว่าความแปรปรวนไม่คงที่
  • จุดที่ห่างจากเส้นศูนย์มากผิดปกติ

สิ่งที่กราฟนี้ตอบไม่ได้

  • ไม่บอกว่าโมเดลที่ถูกต้องคืออะไร บอกได้แค่ว่าโมเดลปัจจุบันยังไม่พอ
  • ไม่บอกว่าปัญหามาจากข้อมูลหรือจากรูปแบบโมเดล

อ่านตามลำดับนี้

  1. มองหาว่าจุดกระจายสุ่มรอบเส้นศูนย์ไหม
  2. หารูปแบบโค้งหรือรูปกรวย
  3. ดูจุดที่ห่างจากเส้นศูนย์มากที่สุด

คำถามที่ตอบได้

  • โมเดลนี้ใช้ได้หรือยัง
  • ต้องเพิ่มอะไรในโมเดล
  • มีข้อมูลจุดไหนที่โมเดลอธิบายไม่ได้เลย

สัญญาณว่ามีอะไรผิด

  • จุดโค้งเป็นรูปตัวยู
  • จุดกระจายเป็นรูปกรวย
  • ส่วนที่เหลือเฉลี่ยไม่ใช่ศูนย์ ซึ่งแปลว่าคำนวณผิด

05เหมาะกับการนำเสนอแบบไหน

ผู้ชมที่เหมาะผู้ที่กำลังสร้างหรือตรวจสอบโมเดล
เวลาที่ผู้ชมต้องใช้ต้องเรียนรู้ก่อน
ขนาดเล็กสุดที่ยังอ่านได้360×260 px
รายงานเชิงวิเคราะห์
สำรวจข้อมูลด้วยตัวเอง
สิ่งพิมพ์
สไลด์ผู้บริหารเป็นเครื่องมือตรวจสอบภายในระหว่างสร้างโมเดล
สื่อสารกับคนทั่วไปต้องมีพื้นฐานเรื่องโมเดลจึงจะอ่านได้

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

  1. ลากเส้นศูนย์ให้เด่น
  2. ใส่เส้นเรียบผ่านส่วนที่เหลือเพื่อให้เห็นรูปแบบชัดขึ้น
  3. ทำเครื่องหมายจุดที่ห่างมากที่สุด

รูปแบบชื่อกราฟที่ควรใช้

ส่วนที่เหลือ<กระจายสุ่ม/มีรูปแบบ> ซึ่งแปลว่าโมเดล<ใช้ได้/ยังไม่พอ>

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ residual-plot-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด residual-plot-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg")   # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

C1, C2, C3 = "#2a78d6", "#eb6834", "#1baf7a"   # palette ของคลัง เปลี่ยนเป็นสีองค์กรได้
INK, SURFACE = "#0b0b0b", "#fcfcfb"

df = pd.read_csv("residual-plot-sample.csv")
df["x"] = pd.to_numeric(df["x"], errors="coerce")
df["y"] = pd.to_numeric(df["y"], errors="coerce")
NOTE = "pattern"   # ← ค่าจาก Playground

fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)

d = df.dropna(subset=["x", "y"])
coef = np.polyfit(d["x"], d["y"], 1)
fitted = np.polyval(coef, d["x"])
resid = d["y"] - fitted
ax.scatter(fitted, resid, s=28, alpha=0.6, color=C1, edgecolor=SURFACE, linewidth=0.8)
ax.axhline(0, color=INK, linewidth=1.6)                 # เส้นศูนย์คือเส้นอ้างอิงเดียว
lim = np.abs(resid).max() * 1.15
ax.set_ylim(-lim, lim)                                   # สมมาตรรอบศูนย์ ไม่ซ่อนความเบ้
ax.set_xlabel("ค่าที่โมเดลทำนาย"); ax.set_ylabel("ส่วนที่เหลือ (จริง − ทำนาย)")

ax.spines[["top", "right"]].set_visible(False)   # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("residual-plot.png", dpi=160)
print("เขียน residual-plot.png แล้ว ·", len(df), "แถว")

ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*" · ทดสอบกับเวอร์ชัน 3.10

07ลองเล่นเพื่อเข้าใจ

ข้อมูลตัวอย่าง · 120 แถว · seed 127● คำนวณใหม่ในเบราว์เซอร์ทันทีที่ปรับค่า
จุดควรกระจายสุ่มรอบเส้นศูนย์
-20.0-10.00.0010.020.0ส่วนที่เหลือ (y − ŷ)20.030.040.050.060.070.080.0ค่าที่โมเดลทำนาย (ŷ)เหลือ 6.63เหลือ -0.46เหลือ -0.04เหลือ 7.55เหลือ -7.33เหลือ -10.4เหลือ 2.01เหลือ 6.18เหลือ -4.36เหลือ -2.07เหลือ -3.04เหลือ -8.44เหลือ -0.33เหลือ 6.56เหลือ -6.94เหลือ -0.55เหลือ 9.68เหลือ -9.03เหลือ 2.02เหลือ 1.58เหลือ -8.20เหลือ 2.08เหลือ -4.31เหลือ -9.08เหลือ -6.47เหลือ 3.66เหลือ -4.34เหลือ 5.64เหลือ 0.10เหลือ -7.86เหลือ 5.13เหลือ 4.28เหลือ -4.57เหลือ -1.58เหลือ -2.37เหลือ -4.50เหลือ 1.61เหลือ 3.24เหลือ -0.09เหลือ 3.43เหลือ -3.05เหลือ -4.84เหลือ 10.3เหลือ 0.68เหลือ 4.41เหลือ 15.0เหลือ -4.52เหลือ -4.27เหลือ 13.3เหลือ 1.02เหลือ 1.31เหลือ -0.47เหลือ -0.46เหลือ -5.06เหลือ 2.40เหลือ 7.25เหลือ -3.83เหลือ -5.86เหลือ 2.28เหลือ -2.45เหลือ 6.71เหลือ -3.17เหลือ -9.95เหลือ 3.83เหลือ 12.3เหลือ -2.41เหลือ 14.7เหลือ 0.65เหลือ 2.14เหลือ 5.48เหลือ 2.91เหลือ -5.11เหลือ 6.43เหลือ 2.31เหลือ -3.37เหลือ 6.35เหลือ -5.07เหลือ -10.1เหลือ 13.7เหลือ -6.09เหลือ -7.88เหลือ 0.05เหลือ 3.39เหลือ -3.92เหลือ 16.7เหลือ -3.36เหลือ -14.9เหลือ 3.48เหลือ -1.86เหลือ -13.1เหลือ 14.8เหลือ -2.25เหลือ -16.1เหลือ 2.72เหลือ 1.72เหลือ -11.7เหลือ 11.7เหลือ 2.64เหลือ -7.33เหลือ 2.74เหลือ 2.41เหลือ -2.96เหลือ 4.48เหลือ 1.16เหลือ -14.7เหลือ 4.92เหลือ -1.60เหลือ -8.11เหลือ 6.94เหลือ 3.23เหลือ 4.95เหลือ 4.01เหลือ -7.89เหลือ -7.20เหลือ 4.98เหลือ -0.76เหลือ -4.78เหลือ 12.0เหลือ 4.78เหลือ -3.87

ถ้าจุดเป็นรูปกรวยหรือโค้ง แปลว่าโมเดลเชิงเส้นยังไม่พอ ไม่ใช่แค่ข้อมูลมี noise

ส่วนที่เหลือเฉลี่ย0.000
ส่วนเบี่ยงเบนของส่วนที่เหลือ6.68
ค่าที่เหลือมากสุด16.7
ดูข้อมูลเป็นตาราง (30 แถว)
residual plot 120 จุด
ค่าทำนายส่วนที่เหลือ
38.36.63
32.5-0.46
39.0-0.04
52.17.55
37.2-7.33
45.3-10.4
60.82.01
42.46.18
60.1-4.36
42.2-2.07
40.6-3.04
62.5-8.44
32.6-0.33
42.46.56
70.1-6.94
40.0-0.55
56.19.68
51.1-9.03
30.62.02
32.91.58
58.2-8.20
47.02.08
39.4-4.31
57.7-9.08
28.3-6.47
42.23.66
65.7-4.34
42.15.64
40.80.10
49.4-7.86

ลองแล้วจะเห็นอะไร

  • สังเกตอะไร: ถ้าเห็นจุดกระจายสุ่มไม่มีรูปแบบ แปลว่าโมเดลเชิงเส้นพอแล้ว ลองเปิดหน้า scatter-with-trend แล้วเปลี่ยนเป็นเส้นโค้ง จะเห็นว่า R² ขึ้นแต่ส่วนที่เหลือไม่ได้ดีขึ้นจริง

ข้อควรระวัง

  1. ดูแต่ค่าความพอดีของโมเดลโดยไม่ดูส่วนที่เหลือเลย
  2. ตั้งช่วงแกนตั้งไม่สมมาตรรอบศูนย์ ทำให้ความเบ้ของส่วนที่เหลือถูกซ่อน
  3. มองข้ามรูปกรวย ซึ่งทำให้ช่วงความเชื่อมั่นที่รายงานไปผิดทั้งหมด
  4. ใช้กับข้อมูลน้อยแล้วสรุปว่ามีรูปแบบจากจุดไม่กี่จุด

เมื่อไหร่ไม่ควรใช้กราฟนี้

  • ยังไม่ได้สร้างโมเดล→ใช้แทน: scatter-plot
  • ต้องการตรวจว่าส่วนที่เหลือแจกแจงปกติไหม→ใช้แทน: qq-plot ของส่วนที่เหลือ
  • ต้องการสื่อสารผลกับผู้อ่านทั่วไป→ใช้แทน: scatter-with-trend

กราฟที่เกี่ยวข้อง

เทคนิคถัดไป · แผนภาพกระจายแบบเฉลี่ยเป็นช่วง