Uyum İyiliği

Python ile Doğrusal Modellemenin Temelleri

Jason Vestuto

Data Scientist

3 Farklı R

Model Kurma:

Model Değerlendirme:

residuals = y_model - y_data
RSS = np.sum( np.square(residuals) )

mean_squared_residuals = np.sum( np.square(residuals) ) / len(residuals)

MSE = np.mean( np.square(residuals) )

RMSE = np.sqrt(np.mean( np.square(residuals)))

RMSE = np.std(residuals)

Sapmalar:

deviations = np.mean(y_data) - y_data
VAR = np.sum(np.square(deviations))

Artıklar:

residuals = y_model - y_data
RSS = np.sum(np.square(residuals))

R-kare:

r_squared = 1 - (RSS / VAR)
r = correlation(y_data, y_model)

Kırmızı model çizgisi noktaların içinden geçen, eğimi sıfır olan, irtifa ve mesafe saçılım grafiği

Kırmızı model çizgisi noktaların içinden geçen, hafif eğimli, irtifa ve mesafe saçılım grafiği

Kırmızı model çizgisi noktaların içinden geçen, orta eğimli, irtifa ve mesafe saçılım grafiği (orta diklik)

Kırmızı model çizgisi noktaların içinden geçen, daha dik eğimli, irtifa ve mesafe saçılım grafiği (dik yokuş)

Python ile Doğrusal Modellemenin Temelleri