Comparer l’erreur standard résiduelle
L’autre métrique courante pour évaluer l’ajustement d’un modèle est l’erreur standard résiduelle (RSE), qui mesure la taille typique des résidus.
La RSE ne peut pas être obtenue directement avec statsmodels, mais vous pouvez récupérer l’erreur quadratique moyenne (MSE) via l’attribut .mse_resid. En prenant la racine carrée de la MSE, vous obtenez la RSE.
Dans le précédent exercice, vous avez vu que l’inclusion des deux variables explicatives dans le modèle augmentait le coefficient de détermination. Selon vous, comment l’utilisation des deux variables explicatives va-t-elle changer la RSE ?
mdl_price_vs_conv, mdl_price_vs_age et mdl_price_vs_both sont disponibles en tant que modèles ajustés.
Cet exercice fait partie du cours
Régression intermédiaire avec statsmodels en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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: ", ____)