Python တွင် ချိန်ညှိထားသော r-squared တွက်ချက်နည်း

R-squared ၊ မကြာခဏရေးထားသော ^R2 သည် linear regression model တွင် ခန့်မှန်းသူကိန်းရှင်များမှ ရှင်းပြနိုင်သော တုံ့ပြန်မှုကိန်းရှင် ၏ ကွဲလွဲမှုအချိုးအစားဖြစ်သည်။

R နှစ်ထပ်ကိန်း၏တန်ဖိုးသည် 0 မှ 1 အထိရှိနိုင်ပါသည်။ 0 တန်ဖိုးတစ်ခုသည် ခန့်မှန်းသူကိန်းရှင်မှ ရှင်းပြခြင်းမပြုနိုင်သော်လည်း 1 တန်ဖိုးက တုံ့ပြန်မှုကိန်းရှင်ကို ခန့်မှန်းသူကိန်းရှင်က ရှင်းပြနိုင်သည်ဟု ညွှန်ပြနေပါသည်။ ခန့်မှန်းသူမှ အမှားအယွင်းမရှိ စုံလင်စွာ ရှင်းပြပါသည်။ ကိန်းရှင်များ။

Adjusted R-squared သည် regression model ရှိ ကြိုတင်ခန့်မှန်းသူအရေအတွက်အတွက် ချိန်ညှိပေးသော R-squared ၏ မွမ်းမံထားသောဗားရှင်းတစ်ခုဖြစ်သည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။

ချိန်ညှိထားသော R ² = 1 – [(1-R ² )*(n-1)/(nk-1)]

ရွှေ-

• R ² : မော်ဒယ်၏ R ²
• n : လေ့လာတွေ့ရှိချက်အရေအတွက်
• k : ကြိုတင်ခန့်မှန်းကိန်းရှင် အရေအတွက်

^{R2 သည်} မော်ဒယ်တစ်ခုသို့ ကြိုတင်ခန့်မှန်းချက်များကို ပေါင်းထည့်လိုက်သည်နှင့်အမျှ အမြဲတမ်းတိုးလာသောကြောင့်၊ ချိန်ညှိထားသော ^{R2 သည်} မော်ဒယ်တစ်ခုအတွက် မည်မျှအသုံးဝင်သည်ကို ပြောပြသည့် မက်ထရစ်တစ်ခုအဖြစ် လုပ်ဆောင်နိုင်ပြီး မော်ဒယ်တစ်ခုအတွင်းရှိ ခန့်မှန်းသူအရေအတွက်အပေါ် မူတည်၍ ချိန်ညှိနိုင်သည် ။

ဤသင်ခန်းစာတွင် Python ရှိ ဆုတ်ယုတ်မှုပုံစံအတွက် ချိန်ညှိထားသော ^R2 တွက်ချက်မှုနမူနာနှစ်ခုကို ပြသထားသည်။

ဆက်စပ်မှု- ကောင်းသော R-squared တန်ဖိုးဆိုသည်မှာ အဘယ်နည်း။

ဥပမာ 1- ချိန်ညှိထားသော R-squared ကို sklearn ဖြင့် တွက်ချက်ပါ။

အောက်ဖော်ပြပါ ကုဒ်သည် များစွာသော မျဉ်းကြောင်း ဆုတ်ယုတ်မှု မော်ဒယ်ကို မည်သို့ အံဝင်ခွင်ကျ ဖြစ်စေရန် နှင့် sklearn ကို အသုံးပြု၍ မော်ဒယ်၏ တပ်ဆင်ထားသော R-squared ကို တွက်ချက်နိုင်သည် ။

 from sklearn. linear_model import LinearRegression
import pandas as pd

#define URL where dataset is located
url = "https://raw.githubusercontent.com/Statorials/Python-Guides/main/mtcars.csv"

#read in data
data = pd. read_csv (url)

#fit regression model
model = LinearRegression ()
x, y = data[["mpg", "wt", "drat", "qsec"]], data.hp
model. fit (x,y)

#display adjusted R-squared
1 - (1-model. score (X, y))*( len (y)-1)/( len (y)-X. shape [1]-1)

0.7787005290062521

မော်ဒယ်၏ ချိန်ညှိထားသော R-squared သည် 0.7787 ဖြစ်သွားသည်။

ဥပမာ 2- ကိန်းဂဏန်းပုံစံများဖြင့် ချိန်ညှိထားသော R-squared ကို တွက်ချက်ပါ။

အောက်ဖော်ပြပါ ကုဒ်သည် များစွာသော မျဉ်းကြောင်း ဆုတ်ယုတ်မှု မော်ဒယ်ကို မည်သို့ အံဝင်ခွင်ကျ လုပ်ရမည်ကို ပြသပြီး statsmodels ကို အသုံးပြု၍ မော်ဒယ်၏ တပ်ဆင်ထားသော R-squared ကို တွက်ချက်သည်-

 import statsmodels. api as sm
import pandas as pd

#define URL where dataset is located
url = "https://raw.githubusercontent.com/Statorials/Python-Guides/main/mtcars.csv"

#read in data
data = pd. read_csv (url)

#fit regression model
x, y = data[["mpg", "wt", "drat", "qsec"]], data.hp
X = sm. add_constant (X)
model = sm. OLS (y,x). fit ()

#display adjusted R-squared
print ( model.rsquared_adj )

0.7787005290062521

မော်ဒယ်၏ ချိန်ညှိထားသော R-squared သည် 0.7787 ဖြစ်လာသည်၊ ၎င်းသည် ယခင်ဥပမာ၏ ရလဒ်နှင့် ကိုက်ညီသည်။

ထပ်လောင်းအရင်းအမြစ်များ

Python တွင် ရိုးရှင်းသော linear regression လုပ်နည်း
Python တွင် မျဉ်းကြောင်း ဆုတ်ယုတ်မှု အများအပြား လုပ်ဆောင်နည်း
Python ရှိ regression မော်ဒယ်များ၏ AIC တွက်ချက်နည်း