R-Squared

Sebelumnya, kita menuliskan ukuran kebaikan lain, R-squared, dalam bentuk rasio RSS terhadap VAR. Dengan mengalikan pembilang dan penyebut rasio dengan 1/n, bentuk numeriknya setara dengan rasio varians residual dibagi dengan varians tren linear pada data yang kita modelkan. Ini dapat ditafsirkan sebagai ukuran seberapa besar varians pada data Anda yang "dijelaskan" oleh model Anda, dibandingkan dengan sebaran atau varians residual (setelah tren linear dihilangkan).

Di sini, data x_data, y_data, dan prediksi model y_model untuk model pencocokan terbaik telah dimuat sebelumnya; tujuan Anda adalah menghitung ukuran R-squared untuk mengkuantifikasi seberapa besar model linear ini menjelaskan variasi pada data.

Latihan ini adalah bagian dari kursus

Pengantar Pemodelan Linear di Python

Lihat Kursus

Petunjuk latihan

Hitung residuals dengan mengurangkan y_data dari y_model, dan deviations dengan mengurangkan y_data dari np.mean() atas y_data.
Hitung varians residuals dan varians deviations, gunakan np.mean() dan np.square() pada masing-masing.
Hitung r_squared sebagai 1 dikurangi rasio var_residuals / var_deviations, lalu cetak hasilnya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Compute the residuals and the deviations
residuals = ____ - y_data
deviations = np.____(____) - y_data

# Compute the variance of the residuals and deviations
var_residuals = np.____(np.____(____))
var_deviations = np.____(np.____(____))

# Compute r_squared as 1 - the ratio of RSS/Variance
r_squared = 1 - (____ / ____)
print('R-squared is {:0.2f}'.format(____))

Edit dan Jalankan Kode