R의 lm() 함수에서 rmse를 추출하는 방법

다음 구문을 사용하여 R에서 lm() 함수의 RMSE(평균 제곱근 오차)를 추출할 수 있습니다.

 sqrt(mean(model$residuals^2))

다음 예에서는 실제로 이 구문을 사용하는 방법을 보여줍니다.

관련 항목: RMSE(제곱평균제곱근 오차)를 해석하는 방법

예: R의 lm()에서 RMSE 추출

R에 다음과 같은 다중 선형 회귀 모델을 적합하다고 가정합니다.

 #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() 함수를 사용하여 회귀 모델의 전체 요약을 표시할 수 있습니다.

 #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

모델의 RMSE(평균 제곱근 오차)만 추출하려면 다음 구문을 사용할 수 있습니다.

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

[1] 2.090564

모델의 RMSE는 2.090564 입니다.

이는 모델의 예측값과 데이터세트의 실제값 사이의 평균 거리를 나타냅니다.

RMSE가 낮을수록 특정 모델이 데이터 세트에 더 잘 “적합”될 수 있다는 점에 유의하세요.

여러 가지 회귀 모델을 비교할 때 RMSE가 가장 낮은 모델이 데이터 세트에 가장 잘 맞는 모델로 간주됩니다.

추가 리소스

다음 튜토리얼에서는 R에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.

R에서 단순 선형 회귀를 수행하는 방법
R에서 다중 선형 회귀를 수행하는 방법
R에서 잔차 플롯을 만드는 방법