Evaluarea performanței modelului

Regresie intermediară în R

Richie Cotton

Data Evangelist at DataCamp

Metrici de performanță a modelului

Coeficientul de determinare (R-pătrat): cât de bine se potrivește dreapta de regresie liniară cu valorile observate.
- O valoare mai mare este mai bună.
Eroarea standard reziduală (ESR): mărimea tipică a reziduurilor.
- O valoare mai mică este mai bună.

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

Mai multe variabile explicative cresc $R^2$.
Prea multe variabile explicative duc la supraadaptare.
Coeficientul de determinare ajustat penalizează variabilele explicative suplimentare.
$\bar{R ^ 2} = 1 - (1 - R ^ 2) \frac{n_{obs} - 1}{n_{obs} - n_{var} - 1}$
Penalizarea este vizibilă când $R^2$ este mic sau $n_{var}$ reprezintă o fracție mare din $n_{obs}$.
În glance(), este elementul 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

Regresie intermediară în R