Jak wyodrębnić rmse z funkcji lm() w r

Aby wyodrębnić pierwiastek błędu średniokwadratowego (RMSE) funkcji lm() w języku R, można zastosować następującą składnię:

 sqrt(mean(model$residuals^2))

Poniższy przykład pokazuje, jak zastosować tę składnię w praktyce.

Powiązane: Jak interpretować błąd średniokwadratowy (RMSE)

Przykład: Wyodrębnij RMSE z lm() w R

Załóżmy, że dopasowujemy następujący model regresji liniowej w R:

 #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)

Możemy użyć funkcji podsumowania() , aby wyświetlić pełne podsumowanie modelu regresji:

 #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

Aby wyodrębnić tylko błąd średniokwadratowy (RMSE) modelu, możemy zastosować następującą składnię:

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

[1] 2.090564

RMSE modelu wynosi 2,090564 .

Stanowi to średnią odległość między przewidywanymi wartościami modelu a rzeczywistymi wartościami zbioru danych.

Należy pamiętać, że im niższy RMSE, tym lepiej dany model jest w stanie „dopasować” zbiór danych.

Porównując kilka różnych modeli regresji, za model o najniższym RMSE uważa się ten, który najlepiej „pasuje” do zbioru danych.

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe zadania w języku R:

Jak wykonać prostą regresję liniową w R
Jak wykonać wielokrotną regresję liniową w R
Jak utworzyć wykres rezydualny w R