Vergleich der Residualstandardabweichung
Die andere gängige Kennzahl zur Beurteilung der Modellanpassung ist die Residualstandardabweichung (RSE), die die typische Größe der Residuen misst.
Die RSE lässt sich in statsmodels nicht direkt abrufen, aber du kannst die mittlere quadratische Abweichung (MSE) über das Attribut .mse_resid erhalten. Wenn du die Quadratwurzel der MSE nimmst, bekommst du die RSE.
In der letzten Übung hast du gesehen, dass das Einbeziehen beider erklärenden Variablen in das Modell den Bestimmtheitskoeffizienten erhöht hat. Wie denkst du, wirkt sich die Verwendung beider erklärenden Variablen auf die RSE aus?
mdl_price_vs_conv, mdl_price_vs_age und mdl_price_vs_both sind als angepasste Modelle verfügbar.
Diese Übung ist Teil des Kurses
<Kurs>Fortgeschrittene Regression mit statsmodels in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Print the RSE for mdl_price_vs_conv
print("rse_conv: ", ____)
# Print the RSE for mdl_price_vs_age
print("rse_age: ", ____)
# Print RSE for mdl_price_vs_both
print("rse_both: ", ____)