Modelprestatie beoordelen
Gemiddelde regressie met statsmodels in Python
Maarten Van den Broeck
Content Developer at DataCamp
Prestatiematen van het model
Coëfficiënt van determinatie (R-squared): hoe goed de regressielijn past op de waarnemingen.
- Groter is beter.
Residuele standaardfout (RSE): de typische grootte van de residuen.
- Kleiner is beter.
R-kwadraat ophalen
print(mdl_mass_vs_length.rsquared)
0.8225689502644215
print(mdl_mass_vs_species.rsquared)
0.25814887709499157
print(mdl_mass_vs_both.rsquared)
0.9200433561156649
Aangepast R-kwadraat
- Meer verklarende variabelen verhogen $R^2$.
- Te veel verklarende variabelen veroorzaakt overfitting.
- Aangepast R-kwadraat straft extra verklarende variabelen.
- $\bar{R ^ 2} = 1 - (1 - R ^ 2) \frac{n_{obs} - 1}{n_{obs} - n_{var} - 1}$
- Straf weegt vooral als $R^2$ klein is, of $n_{var}$ groot is t.o.v. $n_{obs}$.
- In
statsmodelsstaat dit in het attribuutrsquared_adj.
Aangepast R-kwadraat ophalen
print("rsq_length: ", mdl_mass_vs_length.rsquared)
print("rsq_adj_length: ", mdl_mass_vs_length.rsquared_adj)
rsq_length: 0.8225689502644215
rsq_adj_length: 0.8211607673300121
print("rsq_species: ", mdl_mass_vs_species.rsquared)
print("rsq_adj_species: ", mdl_mass_vs_species.rsquared_adj)
rsq_species: 0.25814887709499157
rsq_adj_species: 0.24020086605696722
print("rsq_both: ", mdl_mass_vs_both.rsquared
print("rsq_adj_both: ", mdl_mass_vs_both.rsquared_adj)
rsq_both: 0.9200433561156649
rsq_adj_both: 0.9174431400543857
Residuele standaardfout ophalen
rse_length = np.sqrt(mdl_mass_vs_length.mse_resid)
print("rse_length: ", rse_length)
rse_length: 152.12092835414788
rse_species = np.sqrt(mdl_mass_vs_species.mse_resid)
print("rse_species: ", rse_species)
rse_species: 313.5501156682592
rse_both = np.sqrt(mdl_mass_vs_both.mse_resid)
print("rse_both: ", rse_both)
rse_both: 103.35563303966488
Laten we oefenen!
Gemiddelde regressie met statsmodels in Python
