Comparer l'erreur-type résiduelle
L'autre mesure courante pour évaluer l'ajustement du modèle est l'erreur-type résiduelle (RSE), qui mesure la taille typique des résidus.
On ne peut pas obtenir directement la RSE avec statsmodels, mais vous pouvez récupérer l'erreur quadratique moyenne (MSE) grâce à l'attribut .mse_resid. En prenant la racine carrée de la MSE, vous obtenez la RSE.
Dans le dernier exercice, vous avez vu que l'inclusion des deux variables explicatives dans le modèle a augmenté le coefficient de détermination. Selon vous, comment l'utilisation des deux variables explicatives affectera-t-elle la RSE?
mdl_price_vs_conv, mdl_price_vs_age et mdl_price_vs_both sont disponibles comme modèles ajustés.
Cette activité fait partie du cours
Régression intermédiaire avec statsmodels en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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: ", ____)