R-kare ile model uyumunu değerlendirme

Tidyverse ile Verilerle Modelleme

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

R-kare

$R^2 = 1 - \frac{\text{Var}(\text{residuals})}{\text{Var}(y)}$

$R^2$ 0 ile 1 arasındadır
Küçük $R^2$ ~ "zayıf uyum"
$R^2 = 1$ ~ "mükemmel uyum" ve $R^2 = 0$ ~ "uyum yok"

Yüksek R-kare örneği

$R^2 = 1 - \frac{\text{Var}(\text{residuals})}{\text{Var}(y)}$

Yüksek R-kare: "Mükemmel" uyum

$R^2 = 1 - \frac{\text{Var}(\text{residuals})}{\text{Var}(y)}$

Düşük R-kare örneği

$R^2 = 1 - \frac{\text{Var}(\text{residuals})}{\text{Var}(y)}$

Düşük R-kare örneği

$R^2 = 1 - \frac{\text{Var}(\text{residuals})}{\text{Var}(y)}$

Sayısal yorum

Since $\text{Var}(y) \geq \text{Var}(\text{residuals})$ and $$

$R^2 = 1 - \frac{\text{Var}(\text{residuals})}{\text{Var}(y)} = \frac{\text{Var}(y) - \text{Var}(\text{residuals})}{\text{Var}(y)}$

$R^2$'ın yorumu: modelin, çıktı değişkeni $y$'deki toplam değişimin açıkladığı pay.

R-kare hesaplama

# Model 1: price as a function of size and year built
model_price_1 <- lm(log10_price ~ log10_size + yr_built,
                    data = house_prices)

get_regression_points(model_price_1) %>%
  summarize(r_squared = 1 - var(residual)/var(log10_price))

# A tibble: 1 x 1
  r_squared
      <dbl>
1     0.483

R-kare hesaplama

# Model 3: price as a function of size and condition
model_price_3 <- lm(log10_price ~ log10_size + condition,
                    data = house_prices)

get_regression_points(model_price_3) %>%
  summarize(r_squared = 1 - var(residual)/var(log10_price))

# A tibble: 1 x 1
  r_squared
      <dbl>
1     0.462

Hadi pratik yapalım!

Tidyverse ile Verilerle Modelleme