Rのlm()関数からrmseを抽出する方法

次の構文を使用して、R のlm()関数の二乗平均平方根誤差 (RMSE)を抽出できます。

 sqrt(mean(model$residuals^2))

次の例は、この構文を実際に使用する方法を示しています。

関連:二乗平均平方根誤差 (RMSE) を解釈する方法

例: R の lm() から RMSE を抽出する

次の重線形回帰モデルを R に当てはめるとします。

 #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)

summary()関数を使用すると、回帰モデルの完全な概要を表示できます。

 #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

モデルの二乗平均平方根誤差 (RMSE) のみを抽出するには、次の構文を使用できます。

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

[1] 2.090564

モデルの RMSE は2.090564です。

これは、モデルの予測値とデータセットの実際の値の間の平均距離を表します。

RMSE が低いほど、特定のモデルがデータ セットに「適合」することができることに注意してください。

いくつかの異なる回帰モデルを比較する場合、RMSE が最も低いモデルがデータセットに最もよく「適合」すると考えられます。

追加リソース

次のチュートリアルでは、R で他の一般的なタスクを実行する方法について説明します。

R で単純な線形回帰を実行する方法
R で重回帰を実行する方法
R で残差プロットを作成する方法