Avaliando o desempenho do modelo

Regressão intermediária no R

Richie Cotton

Data Evangelist at DataCamp

Métricas de desempenho do modelo

Coeficiente de determinação (R-squared): indica quão bem a reta de regressão linear se ajusta aos valores observados.
- Quanto maior, melhor.
Erro padrão residual (RSE): tamanho típico dos resíduos.
- Quanto menor, melhor.

library(dplyr)
library(broom)

mdl_mass_vs_length %>% 
  glance() %>% 
  pull(r.squared)

0.8226

mdl_mass_vs_species %>% 
  glance() %>% 
  pull(r.squared)

0.7163

mdl_mass_vs_both %>% 
  glance() %>% 
  pull(r.squared)

0.9694

Mais variáveis explicativas aumentam $R^2$.
Variáveis demais causam overfitting.
Coeficiente de determinação ajustado penaliza mais variáveis explicativas.
$\bar{R ^ 2} = 1 - (1 - R ^ 2) \frac{n_{obs} - 1}{n_{obs} - n_{var} - 1}$
A penalização aparece quando $R^2$ é pequeno ou $n_{var}$ é grande em relação a $n_{obs}$.
Em glance(), é o elemento adj.r.squared.

library(dplyr)
library(broom)

mdl_mass_vs_length %>% 
  glance() %>% 
  select(r.squared, adj.r.squared)

  r.squared adj.r.squared
      <dbl>         <dbl>
1    0.8226        0.8212

mdl_mass_vs_species %>% 
  glance() %>% 
  select(r.squared, adj.r.squared)

  r.squared adj.r.squared
      <dbl>         <dbl>
1    0.7163        0.7072

mdl_mass_vs_both %>% 
  glance() %>% 
  select(r.squared, adj.r.squared)

  r.squared adj.r.squared
      <dbl>         <dbl>
1    0.9694        0.9682

library(dplyr)
library(broom)

mdl_mass_vs_length %>% 
  glance() %>% 
  pull(sigma)

152.1

mdl_mass_vs_species %>% 
  glance() %>% 
  pull(sigma)

313.6

mdl_mass_vs_both %>% 
  glance() %>% 
  pull(sigma)

103.4

Regressão intermediária no R