Hodnocení výkonu modelu

Intermediate Regression in R

Richie Cotton

Data Evangelist at DataCamp

Metriky výkonu modelu

Koeficient determinace (R-kvadrát): jak dobře regresní přímka odpovídá pozorovaným hodnotám.
- Vyšší hodnota je lepší.
Reziduální standardní chyba (RSE): typická velikost reziduálů.
- Nižší hodnota je lepší.

library(dplyr)
library(broom)

mdl_mass_vs_length %>% 
  glance() %>% 
  pull(r.squared)

0.8226

mdl_mass_vs_species %>% 
  glance() %>% 
  pull(r.squared)

0.7163

mdl_mass_vs_both %>% 
  glance() %>% 
  pull(r.squared)

0.9694

Více vysvětlujících proměnných zvyšuje $R^2$.
Příliš mnoho vysvětlujících proměnných způsobuje přetrénování.
Upravený koeficient determinace penalizuje vyšší počet vysvětlujících proměnných.
$\bar{R ^ 2} = 1 - (1 - R ^ 2) \frac{n_{obs} - 1}{n_{obs} - n_{var} - 1}$
Penalizace je patrná, když je $R^2$ malé nebo $n_{var}$ tvoří velkou část $n_{obs}$.
Ve funkci glance() je to prvek adj.r.squared.

library(dplyr)
library(broom)

mdl_mass_vs_length %>% 
  glance() %>% 
  select(r.squared, adj.r.squared)

  r.squared adj.r.squared
      <dbl>         <dbl>
1    0.8226        0.8212

mdl_mass_vs_species %>% 
  glance() %>% 
  select(r.squared, adj.r.squared)

  r.squared adj.r.squared
      <dbl>         <dbl>
1    0.7163        0.7072

mdl_mass_vs_both %>% 
  glance() %>% 
  select(r.squared, adj.r.squared)

  r.squared adj.r.squared
      <dbl>         <dbl>
1    0.9694        0.9682

library(dplyr)
library(broom)

mdl_mass_vs_length %>% 
  glance() %>% 
  pull(sigma)

152.1

mdl_mass_vs_species %>% 
  glance() %>% 
  pull(sigma)

313.6

mdl_mass_vs_both %>% 
  glance() %>% 
  pull(sigma)

103.4

Intermediate Regression in R