Cara menghitung r-kuadrat yang disesuaikan dengan python

R-squared , sering ditulis ^R2 , adalah proporsi varians variabel respon yang dapat dijelaskan oleh variabel prediktor dalam model regresi linier .

Nilai R squared dapat berkisar antara 0 hingga 1. Nilai 0 menunjukkan bahwa variabel respon sama sekali tidak dapat dijelaskan oleh variabel prediktor, sedangkan nilai 1 menunjukkan bahwa variabel respon dapat dijelaskan oleh variabel prediktor. dijelaskan dengan sempurna tanpa kesalahan oleh prediktor. variabel.

R-squared yang disesuaikan adalah versi modifikasi dari R-squared yang menyesuaikan jumlah prediktor dalam model regresi. Ini dihitung sebagai berikut:

Disesuaikan R ² = 1 – [(1-R ² )*(n-1)/(nk-1)]

Emas:

• R ² : R ² model
• n : Jumlah observasi
• k : Banyaknya variabel prediktor

Karena ^R2 selalu meningkat saat Anda menambahkan prediktor ke model, ^R2 yang disesuaikan dapat berfungsi sebagai metrik yang memberi tahu Anda seberapa berguna suatu model, disesuaikan berdasarkan jumlah prediktor dalam model .

Tutorial ini menunjukkan dua contoh penghitungan ^R2 yang disesuaikan untuk model regresi dengan Python.

Terkait: Berapa nilai R-kuadrat yang bagus?

Contoh 1: hitung R-kuadrat yang disesuaikan dengan sklearn

Kode berikut menunjukkan cara menyesuaikan model regresi linier berganda dan menghitung R-kuadrat model menggunakan sklearn:

 from sklearn. linear_model import LinearRegression
import pandas as pd

#define URL where dataset is located
url = "https://raw.githubusercontent.com/Statorials/Python-Guides/main/mtcars.csv"

#read in data
data = pd. read_csv (url)

#fit regression model
model = LinearRegression ()
x, y = data[["mpg", "wt", "drat", "qsec"]], data.hp
model. fit (x,y)

#display adjusted R-squared
1 - (1-model. score (X, y))*( len (y)-1)/( len (y)-X. shape [1]-1)

0.7787005290062521

R-kuadrat model yang disesuaikan ternyata 0,7787 .

Contoh 2: Hitung R-kuadrat yang disesuaikan dengan model statistik

Kode berikut menunjukkan cara menyesuaikan model regresi linier berganda dan menghitung R-kuadrat model yang sesuai menggunakan statsmodels:

 import statsmodels. api as sm
import pandas as pd

#define URL where dataset is located
url = "https://raw.githubusercontent.com/Statorials/Python-Guides/main/mtcars.csv"

#read in data
data = pd. read_csv (url)

#fit regression model
x, y = data[["mpg", "wt", "drat", "qsec"]], data.hp
X = sm. add_constant (X)
model = sm. OLS (y,x). fit ()

#display adjusted R-squared
print ( model.rsquared_adj )

0.7787005290062521

R-kuadrat model yang disesuaikan ternyata adalah 0,7787 , yang cocok dengan hasil contoh sebelumnya.

Sumber daya tambahan

Cara melakukan regresi linier sederhana dengan Python
Cara melakukan regresi linier berganda dengan Python
Cara menghitung AIC model regresi dengan Python