適合度

Pythonで学ぶ線形モデリング入門

Jason Vestuto

Data Scientist

3つのR

モデルの構築：

モデルの評価：

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)

偏差:

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

残差:

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

R二乗:

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

高度と距離の散布図。赤いモデル直線がデータ点を通り、傾きゼロの水平線

高度と距離の散布図。赤いモデル直線がデータ点を通り、わずかな傾きを持つ

高度と距離の散布図。赤いモデル直線がデータ点を通り、中程度の傾きを持つ

高度と距離の散布図。赤いモデル直線がデータ点を通り、急な傾きを持つ

Pythonで学ぶ線形モデリング入門