Качество подгонки модели

Введение в линейное моделирование на Python

Jason Vestuto

Data Scientist

3 метрики на букву R

Построение моделей:

Оценка моделей:

RMSE
R-квадрат

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)

R-квадрат в коде

Отклонения:

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

Остатки:

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

R-квадрат:

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

R-квадрат на данных

Точечный график высоты над уровнем моря и расстояния с линией модели красного цвета, проходящей через точки; обе линии горизонтальны, наклон равен нулю

R-квадрат на данных

Точечный график высоты над уровнем моря и расстояния с линией модели красного цвета, проходящей через точки; обе с небольшим наклоном

R-квадрат на данных

Точечный график высоты над уровнем моря и расстояния с линией модели красного цвета, проходящей через точки; умеренный наклон, выглядит как плавный подъём

R-квадрат на данных

Точечный график высоты над уровнем моря и расстояния с линией модели красного цвета, проходящей через точки; умеренный наклон, выглядит как крутой подъём

RMSE и R-квадрат

RMSE: какова величина остаточной изменчивости
R-квадрат: какая доля изменчивости объясняется линейной зависимостью

Давайте потренируемся!

Введение в линейное моделирование на Python