Je niedriger der RMSE, desto besser kann ein bestimmtes Modell einen Datensatz \u201eanpassen\u201c.<\/span><\/p>\n Die Formel zum Ermitteln des mittleren quadratischen Fehlers, oft als RMSE<\/strong> abgek\u00fcrzt, lautet:<\/span><\/p>\n RMSE =<\/strong> \u221a \u03a3(P i<\/sub> \u2013 O i<\/sub> ) 2<\/sup> \/ n<\/span><\/span><\/p>\n Gold:<\/span><\/p>\n Das folgende Schritt-f\u00fcr-Schritt-Beispiel zeigt, wie der RMSE f\u00fcr ein einfaches lineares Regressionsmodell in SAS berechnet wird.<\/span><\/p>\n F\u00fcr dieses Beispiel erstellen wir einen Datensatz, der die Gesamtzahl der gelernten Stunden und die Abschlusspr\u00fcfungsnote von 15 Studenten enth\u00e4lt.<\/span><\/p>\n Wir werden ein einfaches lineares Regressionsmodell anpassen, das Stunden<\/em> als Pr\u00e4diktorvariable und den Score<\/em> als Antwortvariable verwendet.<\/span><\/p>\n Der folgende Code zeigt, wie dieser Datensatz in SAS erstellt wird:<\/span> <\/p>\n Als n\u00e4chstes verwenden wir proc reg,<\/strong> um das einfache lineare Regressionsmodell anzupassen:<\/span> <\/p>\n Beachten Sie, dass der RMSE in der Ausgabe 3,64093<\/strong> betr\u00e4gt.<\/span><\/p>\n Wenn Sie nur den RMSE dieses Modells und keines der anderen Ausgabeergebnisse anzeigen m\u00f6chten, k\u00f6nnen Sie den folgenden Code verwenden:<\/span> <\/p>\n Beachten Sie, dass in der Ausgabe nur der RMSE-Wert von 3,64093<\/b> angezeigt wird.<\/span><\/p>\n Hinweis<\/strong> : Das Argument noprint<\/strong> in proc reg<\/strong> weist SAS an, nicht wie im vorherigen Schritt die gesamte Ausgabe der Regressionsergebnisse zu drucken.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in SAS ausf\u00fchren:<\/span><\/p>\n So f\u00fchren Sie eine einfache lineare Regression in SAS durch<\/a> Eine M\u00f6glichkeit zu bewerten, wie gut ein Regressionsmodell zu einem Datensatz passt, besteht darin, den mittleren quadratischen Fehler zu berechnen, eine Metrik, die uns den durchschnittlichen Abstand zwischen den vorhergesagten Werten des Modells und den tats\u00e4chlichen Werten des Datensatzes angibt. Je niedriger der RMSE, desto besser kann ein bestimmtes Modell einen Datensatz \u201eanpassen\u201c. Die Formel […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Schritt 1: Erstellen Sie die Daten<\/b><\/span><\/h2>\n
\/*create dataset*\/\n<\/span>data<\/span> exam_data;\n input<\/span> hours score;\n datalines<\/span> ;\n1 64\n2 66\n4 76\n5 73\n5 74\n6 81\n6 83\n7 82\n8 80\n10 88\n11 84\n11 82\n12 91\n12 93\n14 89\n;\nrun<\/span> ;\n\n\/*view dataset*\/\n<\/span>proc print<\/span> data<\/span> =exam_data;\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/simplesas1.jpg\")
<\/p>\n Schritt 2: Passen Sie das einfache lineare Regressionsmodell an<\/b><\/span><\/h2>\n
\/*fit simple linear regression model*\/\n<\/span>proc reg<\/span> data<\/span> =exam_data;\n model<\/span> score = hours;\nrun<\/span> ;<\/strong> <\/pre>\n![\"einfache](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/simplesas2.jpg\")
<\/p>\n Schritt 3: Extrahieren Sie den RMSE aus dem Regressionsmodell<\/strong><\/span><\/h2>\n
\/*fit simple linear regression model*\/<\/span>\nproc reg<\/span> data<\/span> =exam_data outest<\/span> =outest noprint<\/span> ;\n model<\/span> score = hours \/ rmse<\/span> ;\nrun<\/span> ;\nquit<\/span> ;\n\n\/*print RMSE of model*\/\n<\/span>proc print<\/span> data<\/span> =outest;\n var<\/span> _RMSE_;\nrun<\/span> ;<\/span><\/strong> <\/pre>\n![\"Berechnen](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/rmse11.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie eine multiple lineare Regression in SAS durch<\/a>
So f\u00fchren Sie eine Polynomregression in SAS durch<\/a>
So f\u00fchren Sie eine logistische Regression in SAS durch<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"