Utvärdera modellens prestanda

Intermediär regression med statsmodels i Python

Maarten Van den Broeck

Content Developer at DataCamp

Prestandamått för modellen

Determinationskoefficienten (R-kvadrat): hur väl regressionslinjen passar observerade värden.
- Högre är bättre.
Residualstandardfel (RSE): den typiska storleken på residualerna.
- Lägre är bättre.

print(mdl_mass_vs_length.rsquared)

0.8225689502644215

print(mdl_mass_vs_species.rsquared)

0.25814887709499157

print(mdl_mass_vs_both.rsquared)

0.9200433561156649

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 tydligast när $R^2$ är litet, eller $n_{var}$ är en stor andel av $n_{obs}$.
I statsmodels finns det i attributet rsquared_adj.

print("rsq_length: ", mdl_mass_vs_length.rsquared)
print("rsq_adj_length: ", mdl_mass_vs_length.rsquared_adj)

rsq_length:  0.8225689502644215
rsq_adj_length:  0.8211607673300121

print("rsq_species: ", mdl_mass_vs_species.rsquared)
print("rsq_adj_species: ", mdl_mass_vs_species.rsquared_adj)

rsq_species:  0.25814887709499157
rsq_adj_species:  0.24020086605696722

print("rsq_both: ", mdl_mass_vs_both.rsquared
print("rsq_adj_both: ", mdl_mass_vs_both.rsquared_adj)

rsq_both:  0.9200433561156649
rsq_adj_both:  0.9174431400543857

rse_length = np.sqrt(mdl_mass_vs_length.mse_resid)
print("rse_length: ", rse_length)

rse_length:  152.12092835414788

rse_species = np.sqrt(mdl_mass_vs_species.mse_resid)
print("rse_species: ", rse_species)

rse_species:  313.5501156682592

rse_both = np.sqrt(mdl_mass_vs_both.mse_resid)
print("rse_both: ", rse_both)

rse_both:  103.35563303966488

Intermediär regression med statsmodels i Python