Hoe rmse te extraheren uit de lm()-functie in r

U kunt de volgende syntaxis gebruiken om de root mean square error (RMSE) van de lm() -functie in R te extraheren:

 sqrt(mean(model$residuals^2))

Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Gerelateerd: Hoe de Root Mean Square Error (RMSE) te interpreteren

Voorbeeld: Extraheer RMSE uit lm() in R

Stel dat we het volgende meervoudige lineaire regressiemodel in R passen:

 #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)

We kunnen de functie summary() gebruiken om de volledige samenvatting van het regressiemodel weer te geven:

 #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

Om alleen de root mean square error (RMSE) van het model te extraheren, kunnen we de volgende syntaxis gebruiken:

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

[1] 2.090564

De RMSE van het model is 2.090564 .

Dit vertegenwoordigt de gemiddelde afstand tussen de voorspelde waarden van het model en de werkelijke waarden van de dataset.

Merk op dat hoe lager de RMSE, hoe beter een bepaald model in een dataset kan ‘passen’.

Bij het vergelijken van verschillende regressiemodellen wordt het model met de laagste RMSE beschouwd als het model dat het beste „past“ bij de dataset.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:

Hoe eenvoudige lineaire regressie uit te voeren in R
Hoe meervoudige lineaire regressie uit te voeren in R
Hoe maak je een restplot in R