Mức độ phù hợp (Goodness-of-Fit)

Nhập môn Mô hình tuyến tính với Python

Jason Vestuto

Data Scientist

3 chữ R khác nhau

Xây dựng mô hình:

  • RSS

Đánh giá mô hình:

  • RMSE
  • R-squared
Nhập môn Mô hình tuyến tính với Python

RMSE

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)
Nhập môn Mô hình tuyến tính với Python

R-squared trong mã

Độ lệch:

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

Phần dư:

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

R-squared:

r_squared = 1 - (RSS / VAR)
r = correlation(y_data, y_model)
Nhập môn Mô hình tuyến tính với Python

R-squared trên dữ liệu

Biểu đồ phân tán độ cao theo khoảng cách với đường mô hình màu đỏ đi qua các điểm, cả hai nằm ngang với độ dốc bằng không

Nhập môn Mô hình tuyến tính với Python

R-squared trên dữ liệu

Biểu đồ phân tán độ cao theo khoảng cách với đường mô hình màu đỏ đi qua các điểm, cả hai có độ dốc nhỏ

Nhập môn Mô hình tuyến tính với Python

R-squared trên dữ liệu

Biểu đồ phân tán độ cao theo khoảng cách với đường mô hình màu đỏ đi qua các điểm, cả hai có độ dốc vừa, nhìn như dốc vừa phải

Nhập môn Mô hình tuyến tính với Python

R-squared trên dữ liệu

Biểu đồ phân tán độ cao theo khoảng cách với đường mô hình màu đỏ đi qua các điểm, cả hai có độ dốc lớn, nhìn như dốc cao

Nhập môn Mô hình tuyến tính với Python

RMSE vs R-squared

  • RMSE: mức độ biến thiên còn lại ở phần dư
  • R-squared: tỷ lệ biến thiên là tuyến tính
Nhập môn Mô hình tuyến tính với Python

Cùng luyện tập nào!

Nhập môn Mô hình tuyến tính với Python

Preparing Video For Download...