Якість прилягання

Вступ до лінійного моделювання в Python

Jason Vestuto

Data Scientist

3 різні «R»

Побудова моделей:

  • RSS

Оцінювання моделей:

  • RMSE
  • R-squared
Вступ до лінійного моделювання в Python

RMSE

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)
Вступ до лінійного моделювання в Python

R-squared у коді

Відхилення:

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

Залишки:

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

R-squared:

r_squared = 1 - (RSS / VAR)
r = correlation(y_data, y_model)
Вступ до лінійного моделювання в Python

R-squared у даних

Точкова діаграма: висота проти відстані; червона модельна лінія проходить через точки, обидві горизонтальні з нульовим нахилом

Вступ до лінійного моделювання в Python

R-squared у даних

Точкова діаграма: висота проти відстані; червона модельна лінія проходить через точки, обидві з невеликим нахилом

Вступ до лінійного моделювання в Python

R-squared у даних

Точкова діаграма: висота проти відстані; червона модельна лінія проходить через точки, обидві з помірним нахилом, видно помірний підйом

Вступ до лінійного моделювання в Python

R-squared у даних

Точкова діаграма: висота проти відстані; червона модельна лінія проходить через точки, обидві з помірним нахилом, видно крутий підйом

Вступ до лінійного моделювання в Python

RMSE vs R-squared

  • RMSE: скільки варіації в залишках
  • R-squared: яка частка варіації є лінійною
Вступ до лінійного моделювання в Python

Давайте потренуємось!

Вступ до лінійного моделювання в Python

Preparing Video For Download...