<\/p>\n
Voc\u00ea pode usar a seguinte sintaxe para extrair a raiz do erro quadr\u00e1tico m\u00e9dio (RMSE)<\/strong> da fun\u00e7\u00e3o lm()<\/a> em R:<\/span><\/p>\n O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n Relacionado:<\/strong> Como interpretar o erro quadr\u00e1tico m\u00e9dio (RMSE)<\/a><\/span><\/p>\n Suponha que ajustemos o seguinte modelo de regress\u00e3o linear m\u00faltipla em R:<\/span><\/p>\n Podemos usar a fun\u00e7\u00e3o summary()<\/strong> para exibir o resumo completo do modelo de regress\u00e3o:<\/span><\/p>\n Para extrair apenas a raiz do erro quadr\u00e1tico m\u00e9dio (RMSE) do modelo, podemos usar a seguinte sintaxe:<\/span><\/p>\n O RMSE do modelo \u00e9 2,090564<\/strong> .<\/span><\/p>\n Isto representa a dist\u00e2ncia m\u00e9dia entre os valores previstos do modelo e os valores reais do conjunto de dados.<\/span><\/p>\n Observe que quanto menor o RMSE, melhor um determinado modelo \u00e9 capaz de \u201cajustar\u201d um conjunto de dados.<\/span><\/p>\n Ao comparar v\u00e1rios modelos de regress\u00e3o diferentes, o modelo com o menor RMSE \u00e9 considerado aquele que melhor \u201cse ajusta\u201d ao conjunto de dados.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:<\/span><\/p>\n Como realizar regress\u00e3o linear simples em R<\/a> Voc\u00ea pode usar a seguinte sintaxe para extrair a raiz do erro quadr\u00e1tico m\u00e9dio (RMSE) da fun\u00e7\u00e3o lm() em R: sqrt(mean(model$residuals^2)) O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica. Relacionado: Como interpretar o erro quadr\u00e1tico m\u00e9dio (RMSE) Exemplo: Extraia RMSE de lm() em R Suponha que ajustemos o seguinte modelo de regress\u00e3o […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3662","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n sqrt(mean(model$residuals^2))\n<\/strong><\/pre>\n
Exemplo: Extraia RMSE de lm() em R<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (rating=c(67, 75, 79, 85, 90, 96, 97),\n points=c(8, 12, 16, 15, 22, 28, 24),\n assists=c(4, 6, 6, 5, 3, 8, 7),\n rebounds=c(1, 4, 3, 3, 2, 6, 7))\n\n#fit multiple linear regression model\n<\/span>model <- lm(rating ~ points + assists + rebounds, data=df)\n<\/strong><\/pre>\n #view model summary\n<\/span>summary(model)\n\nCall:\nlm(formula = rating ~ points + assists + rebounds, data = df)\n\nResiduals:\n 1 2 3 4 5 6 7 \n-1.5902 -1.7181 0.2413 4.8597 -1.0201 -0.6082 -0.1644 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 66.4355 6.6932 9.926 0.00218 **\npoints 1.2152 0.2788 4.359 0.02232 * \nassists -2.5968 1.6263 -1.597 0.20860 \nrebounds 2.8202 1.6118 1.750 0.17847 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 3.193 on 3 degrees of freedom\nMultiple R-squared: 0.9589, Adjusted R-squared: 0.9179 \nF-statistic: 23.35 on 3 and 3 DF, p-value: 0.01396\n<\/strong><\/pre>\n #extract RMSE of regression model\nsqrt(mean(model$residuals^2))\n\n[1] 2.090564\n<\/span><\/span><\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como realizar regress\u00e3o linear m\u00faltipla em R<\/a>
Como criar um gr\u00e1fico residual em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"