<\/p>\n
R al quadrato<\/strong> , spesso scritto R2<\/sup> , \u00e8 la proporzione della varianza nella variabile di risposta<\/a> che pu\u00f2 essere spiegata dalle variabili predittive in un modello di regressione lineare<\/a> .<\/span><\/p>\n Il valore di R al quadrato pu\u00f2 variare da 0 a 1. Un valore pari a 0 indica che la variabile di risposta non pu\u00f2 essere spiegata affatto dalla variabile predittore, mentre un valore pari a 1 indica che la variabile di risposta pu\u00f2 essere spiegata dalla variabile predittore. perfettamente spiegato senza errori dal predittore. variabili.<\/span><\/p>\n R-quadrato rettificato<\/strong> \u00e8 una versione modificata di R-quadrato che regola il numero di predittori in un modello di regressione. Viene calcolato come segue:<\/span><\/p>\n R 2<\/sup> corretto = 1 \u2013 [(1-R 2<\/sup> )*(n-1)\/(nk-1)]<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Poich\u00e9 R2<\/sup> aumenta sempre man mano che aggiungi predittori a un modello, R2<\/sup> modificato pu\u00f2 fungere da metrica che indica quanto \u00e8 utile un modello, modificato in base al numero di predittori in un modello<\/em> .<\/span><\/p>\n Questo tutorial mostra due esempi di calcolo di R2<\/sup> aggiustato per un modello di regressione in Python.<\/span><\/p>\n Correlato:<\/strong><\/span> Qual \u00e8 un buon valore R quadrato?<\/a><\/p>\n Il codice seguente mostra come adattare un modello di regressione lineare multipla e calcolare l’R quadrato adattato del modello utilizzando sklearn:<\/span><\/span><\/p>\n L’R quadrato corretto del modello risulta essere 0,7787<\/strong> .<\/span><\/p>\n Il codice seguente mostra come adattare un modello di regressione lineare multipla e calcolare l’R quadrato adattato del modello utilizzando statsmodels:<\/span><\/p>\n L’R quadrato corretto del modello risulta essere 0,7787<\/strong> , che corrisponde al risultato dell’esempio precedente.<\/span><\/p>\n Come eseguire una semplice regressione lineare in Python<\/a> R al quadrato , spesso scritto R2 , \u00e8 la proporzione della varianza nella variabile di risposta che pu\u00f2 essere spiegata dalle variabili predittive in un modello di regressione lineare . Il valore di R al quadrato pu\u00f2 variare da 0 a 1. Un valore pari a 0 indica che la variabile di risposta non […]<\/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
Esempio 1: calcolare l’R quadrato corretto con sklearn<\/strong><\/span><\/h3>\n
from<\/span> sklearn. linear_model<\/span> import<\/span> LinearRegression\nimport<\/span> pandas as<\/span> pd\n\n#define URL where dataset is located\n<\/span>url = \"https:\/\/raw.githubusercontent.com\/Statorials\/Python-Guides\/main\/mtcars.csv\"\n\n#read in data\n<\/span>data = pd. read_csv<\/span> (url)\n\n#fit regression model\n<\/span>model = LinearRegression<\/span> ()\nx, y = data[[\"mpg\", \"wt\", \"drat\", \"qsec\"]], data.hp\nmodel. fit<\/span> (x,y)\n\n#display adjusted R-squared\n<\/span>1 - (1-model. score<\/span> (X, y))*( len<\/span> (y)-1)\/( len<\/span> (y)-X. shape<\/span> [1]-1)\n\n0.7787005290062521<\/strong><\/pre>\n Esempio 2: calcolare l’R quadrato corretto con modelli statistici<\/strong><\/span><\/h3>\n
import<\/span> statsmodels. api<\/span> as<\/span> sm<\/span>\nimport<\/span> pandas as<\/span> pd\n\n#define URL where dataset is located\n<\/span>url = \"https:\/\/raw.githubusercontent.com\/Statorials\/Python-Guides\/main\/mtcars.csv\"\n\n#read in data\n<\/span>data = pd. read_csv<\/span> (url)\n\n#fit regression model\n<\/span>x, y = data[[\"mpg\", \"wt\", \"drat\", \"qsec\"]], data.hp\nX = sm. add_constant<\/span> (X)\nmodel = sm. OLS<\/span> (y,x). fit<\/span> ()\n\n#display adjusted R-squared\n<\/span>print<\/span> ( model.rsquared_adj<\/span> )\n\n0.7787005290062521<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire regressioni lineari multiple in Python<\/a>
Come calcolare l’AIC dei modelli di regressione in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"