Corrélation et R au carré

La corrélation linéaire entre deux variables, \(x\) et \(y\), mesure la force de leur relation linéaire. Lorsque \(x\) et \(y\) sont respectivement :

les prédictions d'un modèle de régression qui minimise l'erreur quadratique (comme la régression linéaire) et
les vraies valeurs cibles des données d'entraînement,

alors le carré de la corrélation est égal à \(R^2\). Vous allez le vérifier dans cet exercice.

unemployment et unemployment_model sont déjà fournis pour vous.

Cette activité fait partie du cours

Apprentissage supervisé en R : régression

Voir le cours

Instructions de l’exercice

Utilisez cor() (docs) pour obtenir la corrélation entre les prédictions et le chômage féminin. Assignez-la à la variable rho et affichez-la. Assurez-vous d'utiliser la corrélation de Pearson (par défaut).
Mettez rho au carré et assignez le résultat à rho2. Affichez-le.
Comparez rho2 au \(R^2\) du modèle (avec glance()). Est-ce identique ?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# unemployment is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Get the correlation between the prediction and true outcome: rho and print it
(rho <- ___)

# Square rho: rho2 and print it
(rho2 <- ___)

# Get R-squared from glance and print it
(rsq_glance <- ___(___)$___)

Modifier et exécuter le code