Utvärdera modellens prestanda

Intermediär regression i R

Richie Cotton

Data Evangelist at DataCamp

Prestandamått för modellen

Determinationskoefficient (R-kvadrat): hur väl regressionslinjen passar de observerade värdena.
- Större är bättre.
Residualstandardfel (RSE): den typiska storleken på residualerna.
- Mindre är bättre.

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

Fler förklaringsvariabler ökar $R^2$.
För många förklaringsvariabler leder till överanpassning.
Justerad determinationskoefficient straffar fler förklaringsvariabler.
$\bar{R ^ 2} = 1 - (1 - R ^ 2) \frac{n_{obs} - 1}{n_{obs} - n_{var} - 1}$
Straffet märks tydligt när $R^2$ är litet, eller $n_{var}$ är en stor andel av $n_{obs}$.
I glance() finns det som elementet 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

Intermediär regression i R