Évaluer la performance d'un modèle

Régression intermédiaire en R

Richie Cotton

Data Evangelist at DataCamp

Mesures de performance du modèle

Coefficient de détermination (R au carré) : indique à quel point la droite de régression linéaire correspond aux valeurs observées.
- Plus grand, mieux c'est.
Erreur-type résiduelle (RSE) : taille typique des résidus.
- Plus petite, mieux c'est.

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

Plus de variables explicatives augmente $R^2$.
Trop de variables explicatives mène au surapprentissage.
Le coefficient de détermination ajusté pénalise l'ajout de variables explicatives.
$\bar{R ^ 2} = 1 - (1 - R ^ 2) \frac{n_{obs} - 1}{n_{obs} - n_{var} - 1}$
La pénalité est marquée quand $R^2$ est faible ou quand $n_{var}$ est une grande fraction de $n_{obs}$.
Dans glance(), c'est l'élément 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

Régression intermédiaire en R