評估模型效能
R 的迴歸分析中級
Richie Cotton
Data Evangelist at DataCamp
模型效能指標
「決定係數（R-squared）」：線性回歸線對觀測值的擬合優劣。
- 越大越好。
「殘差標準誤（RSE）」：殘差的典型大小。
- 越小越好。
取得決定係數
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
調整後決定係數
- 解釋變數越多，$R^2$ 越大。
- 解釋變數過多會過度擬合。
- 「調整後決定係數」會對更多解釋變數施以懲罰。
- $\bar{R ^ 2} = 1 - (1 - R ^ 2) \frac{n_{obs} - 1}{n_{obs} - n_{var} - 1}$
- 當 $R^2$ 很小，或 $n_{var}$ 佔 $n_{obs}$ 比例很大時，懲罰效果明顯。
- 在
glance()中為adj.r.squared。
取得調整後決定係數
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
取得殘差標準誤
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
一起來練習吧！
R 的迴歸分析中級
