Qualité de l'ajustement

Introduction aux modèles linéaires en Python

Jason Vestuto

Data Scientist

3 R différents

Construire des modèles :

Évaluer des modèles :

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)

Écarts :

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

Résidus :

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

R-carré :

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

Nuage de points altitude vs distance avec ligne de modèle rouge passant par les points, tous deux horizontaux, pente nulle

Nuage de points altitude vs distance avec ligne de modèle rouge passant par les points, faible pente

Nuage de points altitude vs distance avec ligne de modèle rouge passant par les points, pente modérée, perçue comme une inclinaison moyenne

Nuage de points altitude vs distance avec ligne de modèle rouge passant par les points, pente marquée, perçue comme une forte inclinaison

Introduction aux modèles linéaires en Python