与连续预测器相比，您如何形象地显示二进制结果？

我需要可视化一些数据，不确定如何做到最好。我有一些基础项目，频率分别为和结果 。现在，我需要绘制我的方法“发现”（即1结果）低频项的效果如何。最初，我的频率x轴和ay轴为0-1，具有点状图，但它看起来太可怕了（特别是在比较两种方法的数据时）。也就是说，每个项都有一个结果（0/1），并按其频率排序。F = { f 1，⋯ ，f n$Q = \{ q_1, \cdots, q_n \}$$F = \{f_1, \cdots, f_n \}$$O \in \{0,1\}^n$$q \in Q$

这是单个方法结果的示例：

我的下一个想法是将数据划分为多个区间，并在区间上计算局部灵敏度，但是该想法的问题是频率分布不一定均匀。那么我该如何最好地选择时间间隔？

有谁知道一种更好/更有用的方式来可视化此类数据，以描绘发现稀有（即，非常低频率）的物品的有效性？

编辑：更具体地讲，我正在展示某种方法来重建特定种群的生物序列的能力。为了使用模拟数据进行验证，我需要展示重建变异体的能力，而无论其丰度（频率）如何。因此，在这种情况下，我将可视化丢失和找到的物品，并按其频率排序。此图将不包括不在重构变体。$Q$

我过去所做的基本上是您加上黄土所做的。根据点的密度，我将使用如下所示的半透明点（alpha）和/或管道符号（“ |”）来最大程度地减少重叠。

library(ggplot2) # plotting package for R

N=100
data=data.frame(Q=seq(N), Freq=runif(N,0,1), Success=sample(seq(0,1), 
size=N, replace=TRUE))

ggplot(data, aes(x=Freq, y=Success))+geom_point(size=2, alpha=0.4)+
  stat_smooth(method="loess", colour="blue", size=1.5)+
  xlab("Frequency")+
  ylab("Probability of Detection")+
  theme_bw()

（我不认为误差条在这里应该变宽，但是我不知道要使用ggplot的内部stat_smooth函数来做到这一点的简单方法。如果您将此方法用于R中的实数，我们可以做到通过在绘制之前估算黄土及其误差线。）

（编辑：还有Andy W.的评论，如果数据密度有用则尝试垂直抖动，Mimshot则提供适当的置信区间。）

还要考虑哪种比例最适合您的用例。假设您要进行逻辑检验以进行逻辑回归建模，并​​希望可视化连续预测变量以确定是否需要在模型中添加样条或多项式项。在这种情况下，您可能需要对数比例而不是概率/比例。

下面的要点中的函数使用一些有限的启发式方法将连续预测变量拆分为bin，计算平均比例，转换为对数奇数，然后绘制geom_smooth这些合计点。

如果协变量与二进制目标的对数奇数具有二次关系（+噪声），则此图表的示例：

devtools::source_gist("https://gist.github.com/brshallo/3ccb8e12a3519b05ec41ca93500aa4b3")

# simulated dataset with quadratic relationship between x and y
set.seed(12)
samp_size <- 1000
simulated_df <- tibble(x = rlogis(samp_size), 
                       y_odds = 0.2*x^2,
                       y_probs = exp(y_odds)/(1 + exp(y_odds))) %>% 
  mutate(y = rbinom(samp_size, 1, prob = y_probs)) 

# looking at on balanced dataset
simulated_df_balanced <- simulated_df %>% 
  group_by(y) %>% 
  sample_n(table(simulated_df$y) %>% min())


ggplot_continuous_binary(df = simulated_df,
                         covariate = x, 
                         response = y,
                         snip_scales = TRUE)
#> [1] "bin size: 18"
#> `geom_smooth()` using method = 'loess' and formula 'y ~ x'

^{由reprex软件包（v0.2.1）创建于2019-02-06}

为了进行比较，如果仅绘制1/0并添加a，则二次关系将是这样geom_smooth：

simulated_df %>% 
  ggplot(aes(x, y))+
  geom_smooth()+
  geom_jitter(height = 0.01, width = 0)+
  coord_cartesian(ylim = c(0, 1), xlim = c(-3.76, 3.59))
# set xlim to be generally consistent with prior chart
#> `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'

^{由reprex软件包（v0.2.1）创建于2019-02-25}

与logit的关系不太清楚，使用geom_smooth存在一些问题。

我同意，仅发布几行示例数据将大有帮助。如果我理解这个问题，我认为以找到的比例绘制频率将是最简单的。

首先，我将在R中生成一些样本数据；如果我对您的理解不正确，请纠正我。

# Create some sample data
data=data.frame(Q=1:20,F=seq(5,100,by=5))
set.seed(1)
data$found<-round(sapply(data$F,function(x) runif(1,1,x)))
data$prop<-data$found/data$F
# Looks like:
Q   F found      prop
1   1   5     2 0.4000000
2   2  10     4 0.4000000
3   3  15     9 0.6000000
4   4  20    18 0.9000000
5   5  25     6 0.2400000
6   6  30    27 0.9000000
7   7  35    33 0.9428571
8   8  40    27 0.6750000
9   9  45    29 0.6444444
10 10  50     4 0.0800000
11 11  55    12 0.2181818
12 12  60    11 0.1833333
13 13  65    45 0.6923077
14 14  70    28 0.4000000
15 15  75    58 0.7733333
16 16  80    40 0.5000000
17 17  85    61 0.7176471
18 18  90    89 0.9888889
19 19  95    37 0.3894737
20 20 100    78 0.7800000

现在只需按以下方式绘制频率（F）proportion：

# Plot frequency by proportion found.
plot(data$F,data$prop,xlab='Frequency',ylab='Proportion Found',type='l',col='red',lwd=2)