Come estrarre rmse dalla funzione lm() in r

È possibile utilizzare la seguente sintassi per estrarre l’ errore quadratico medio (RMSE) della funzione lm() in R:

 sqrt(mean(model$residuals^2))

L’esempio seguente mostra come utilizzare questa sintassi nella pratica.

Correlato: Come interpretare l’errore quadratico medio (RMSE)

Esempio: estrai RMSE da lm() in R

Supponiamo di adattare il seguente modello di regressione lineare multipla in R:

 #create data frame
df <- data. frame (rating=c(67, 75, 79, 85, 90, 96, 97),
                 points=c(8, 12, 16, 15, 22, 28, 24),
                 assists=c(4, 6, 6, 5, 3, 8, 7),
                 rebounds=c(1, 4, 3, 3, 2, 6, 7))

#fit multiple linear regression model
model <- lm(rating ~ points + assists + rebounds, data=df)

Possiamo utilizzare la funzione summary() per visualizzare il riepilogo completo del modello di regressione:

 #view model summary
summary(model)

Call:
lm(formula = rating ~ points + assists + rebounds, data = df)

Residuals:
      1 2 3 4 5 6 7 
-1.5902 -1.7181 0.2413 4.8597 -1.0201 -0.6082 -0.1644 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept) 66.4355 6.6932 9.926 0.00218 **
points 1.2152 0.2788 4.359 0.02232 * 
assists -2.5968 1.6263 -1.597 0.20860   
rebounds 2.8202 1.6118 1.750 0.17847   
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 3.193 on 3 degrees of freedom
Multiple R-squared: 0.9589, Adjusted R-squared: 0.9179 
F-statistic: 23.35 on 3 and 3 DF, p-value: 0.01396

Per estrarre solo l’errore quadratico medio (RMSE) del modello, possiamo utilizzare la seguente sintassi:

 #extract RMSE of regression model
sqrt(mean(model$residuals^2))

[1] 2.090564

L’RMSE del modello è 2.090564 .

Questo rappresenta la distanza media tra i valori previsti del modello e i valori effettivi del set di dati.

Si noti che più basso è l’RMSE, migliore è la capacità di un dato modello di “adattarsi” a un set di dati.

Quando si confrontano diversi modelli di regressione, il modello con l’RMSE più basso è considerato quello che meglio “si adatta” al set di dati.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni in R:

Come eseguire una regressione lineare semplice in R
Come eseguire la regressione lineare multipla in R
Come creare una trama residua in R