Come calcolare r quadrato in python (con esempio)

R al quadrato , spesso scritto ^R2 , è la proporzione della varianza nella variabile di risposta che può essere spiegata dalle variabili predittive in un modello di regressione lineare .

Il valore di R al quadrato può variare da 0 a 1 dove:

• 0 indica che la variabile di risposta non può essere spiegata affatto dalla variabile predittrice.
• 1 indica che la variabile di risposta può essere perfettamente spiegata senza errori dalle variabili predittive.

L’esempio seguente mostra come calcolare R ² per un modello di regressione in Python.

Esempio: calcola R-quadrato in Python

Supponiamo di avere i seguenti panda DataFrame:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' hours ': [1, 2, 2, 4, 2, 1, 5, 4, 2, 4, 4, 3, 6],
                   ' prep_exams ': [1, 3, 3, 5, 2, 2, 1, 1, 0, 3, 4, 3, 2],
                   ' score ': [76, 78, 85, 88, 72, 69, 94, 94, 88, 92, 90, 75, 96]})

#view DataFrame
print (df)

    hours prep_exams score
0 1 1 76
1 2 3 78
2 2 3 85
3 4 5 88
4 2 2 72
5 1 2 69
6 5 1 94
7 4 1 94
8 2 0 88
9 4 3 92
10 4 4 90
11 3 3 75
12 6 2 96

Possiamo utilizzare la funzione LinearRegression() di sklearn per adattare un modello di regressione e la funzione score() per calcolare il valore R quadrato del modello:

 from sklearn.linear_model import LinearRegression

#initiate linear regression model
model = LinearRegression()

#define predictor and response variables
x, y = df[[" hours ", " prep_exams "]], df. score

#fit regression model
model. fit (x,y)

#calculate R-squared of regression model
r_squared = model. score (x,y)

#view R-squared value
print (r_squared)

0.7175541714105901

Il quadrato R del modello risulta essere 0,7176 .

Ciò significa che il 71,76% della variazione dei punteggi degli esami può essere spiegato dal numero di ore studiate e dal numero di esami pratici sostenuti.

Se volessimo, potremmo confrontare questo valore R quadrato con un altro modello di regressione con un diverso insieme di variabili predittive.

In generale, si preferiscono modelli con valori di R quadrato più alti perché significa che l’insieme delle variabili predittive nel modello è in grado di spiegare bene la variazione della variabile di risposta.

Correlato: Qual è un buon valore R quadrato?

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni in Python:

Come eseguire una semplice regressione lineare in Python
Come eseguire regressioni lineari multiple in Python
Come calcolare l’AIC dei modelli di regressione in Python