Anpassningskvalitet

Introduktion till linjär modellering i Python

Jason Vestuto

Data Scientist

3 olika R:n

Bygga modeller:

Utvärdera modeller:

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)

Avvikelser:

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

Residualer:

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

R-kvadrat:

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

Spridningsdiagram över altitud mot avstånd med en röd modellinje genom punkterna, båda horisontella med lutning noll

Spridningsdiagram över altitud mot avstånd med en röd modellinje genom punkterna, båda med en svag lutning

Spridningsdiagram över altitud mot avstånd med en röd modellinje genom punkterna, båda med måttlig lutning, synlig som en måttlig stigning

Spridningsdiagram över altitud mot avstånd med en röd modellinje genom punkterna, båda med brant lutning, synlig som en kraftig stigning

Introduktion till linjär modellering i Python